مقایسه ی شبکه ی عصبی مصنوعی پیش خور عمومی (GFF) و درخت تصمیم در پیش بینی شوری آب سطحی (مطالعه ی موردی رودخانه ی زرینه رود)

اکثر مدل های موجود در زمینه ی پیش بینی و شبیه سازی شرایط موجود و آتی وضعیت کیفی رودخانه ها نیازمند پارامترهای ورودی بسیاری بوده که یا دسترسی به آن ها مشکل بوده و یا اینکه اندازه گیری آن ها محتاج صرف هزینه و زمان زیادی بوده است. در این میان ابزارهای داده کاوی با حداقل پارامترهای اندازه گیری شده و با دقت قابل قبولی، تغییرات متغیر مورد نظر را پیش بینی نموده است. در این تحقیق، عملکرد دو الگوریتم شبکه ی عصبی مصنوعی پیش خور عمومی (GFF) و درخت تصمیم در پیش بینی شوری آب سطحی رودخانه- ی زرینه رود مورد ارزیابی قرار گرفته است. داده های استفاده شده، مربوط به ایستگاه ساری قمیش در بازه ی سال های 1372 تا 1392، شامل دما، بارش، مجموع آنیون ها، تبخیر و تعرق به عنوان پارامترهای ورودی مدل ها و شوری (EC) پارامتر خروجی بوده است. مدل ها نشان داده که شبکه ی عصبی مصنوعی پیش خور عمومی با ضریب همبستگی 0/96دقت بالاتری نسبت به درخت تصمیم را دارا بوده است. به طور کل، استفاده از چنین الگوریتم هایی در پیش بینی تغییرات شوری دقت تصمیم گیری های مدیریتی را تا حد بسیار بالایی بهبود بخشیده است.

کلیدواژه ها:

زرینه رود ، شبکه ی عصبی ، درخت تصمیم ، شوری