فهرست نشریات علمی دسترسی آزاد ایران

با توجه به اهمیت آب شیرین برای حیات بشر و آسیب‌پذیری منابع آب زیرزمینی در برابر انواع آلودگی‌ها و امکان انتقال آلاینده‌ها به سایر منابع آب‌های سطحی و زیرزمینی و همچنین، قرار داشتن کشور ایران در کمربند خشک و نیمه‌خشک، محافظت از این عنصر با ارزش و کمیاب بسیار ضروری بوده و پایش مداوم و مستمر آن باید از اولویت‌های مدیریت منابع آب قرار گیرد. از این رو، در پژوهش حاضر به آلودگی نیترات در دشت‌های شرق استان مازندران و بررسی مسائل مربوطه پرداخته شد و مدلی کارآمد و بهینه جهت پیش‌بینی غلظت نیترات ارائه شد. در انجام این پژوهش به مقایسه‌ی سه مدل یادگیری ماشین درخت تصمیم، رگرسیون لجستک و شبکه عصبی مصنوعی پرداخته شد. داده‌های فیزیکی و شیمیایی اندازه‌گیری شده طی سال‌های 1364 تا 1399 استفاده شده و به عنوان متغیرهای ورودی مدل‌ها قرار داده شد. متغیر‌ها شامل دما، سطح ایستابی، pH، EC ، HCO3-، CL-، SO24-، Na+، K+، Mg2+، Ca2+، THو TDS بوده و میزان آلودگی نیترات آب زیرزمینی با تقسیم 70 درصد داده‌ها به عنوان آموزش و 30 درصد به عنوان آزمون، پیش‌بینی شده و از شاخص‌های R2، RMSE، NSE و PBIAS برای ارزیابی مدل‌ها استفاده شد. نتایج به دست آمده حاکی از آن بود که مدل درخت تصمیم با اختلاف زیاد نسبت به دو مدل دیگر بهترین عملکرد را داشته (957/0R2 = و 297/0RMSE=، 95/0= NSE و 907/0Testing acc =) و پس از آن رگرسیون لجستیک و شبکه عصبی مصنوعی با عملکردهای به مراتب ضعیف‌تری نسبت به مدل درخت تصمیم قرار داشتند. پیشنهاد می‌شود آزمایش با مدل‌های دیگر یادگیری ماشین و تغییر قراردادن متغیرهای ورودی و اضافه کردن چند متغیر دیگر از جمله کاربری اراضی و بارندگی انجام و نتایج با پژوهش حاضر مقایسه گردند.