الگو بندی متغیرهای کیفی آب با روش داده مبنا در رودخانه سفیدرود

آب و خاک

مقاله 1، دوره 30، شماره 3 - شماره پیاپی 47، 1395، صفحه 743-757   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i3.43806

نویسندگان

شیما سلیمانی؛ امید یزرگ حداد؛ مجتبی مروج^*

دانشگاه تهران

چکیده

افزایش برداشت از منابع آب سطحی، به عنوان در دسترس ترین منبع آب و افزایش تخلیه پساب ها به این منابع منجر به کاهش کیفیت آب های سطحی شده است. لذا پایش و الگو بندی کیفیت منابع سطحی بیش از پیش احساس می شود. از آنجایی که روش های داده مبنا توانایی بالایی در الگوبندی دارند، در این تحقیق ابتدا با دو روش پیش پردازش ضریب همبستگی و تجزیه مولفه اصلی (PCA)، ورودی های روش رگرسیون بردار پشتیبان حداقل مربعات (LSSVR) تعیین و سپس الگوریتم ژنتیک-رگرسیون بردار پشتیبان حداقل مربعات (GA-LSSVR) توسعه داده شد که توانایی تنظیم خودکار و بهینه ضرایب روش LSSVR را دارد. الگوریتم GA-LSSVR برای الگوبندی متغیرهای کیفی Na+، K+، Mg2+، So42-، Cl-، pH، هدایت الکتریکی (EC) و مجموع باقی مانده خشک (TDS) رودخانه سفیدرود برای طول دوره آماری 20 سال (1364-1384) به کار گرفته شد. نتایج الگوبندی با الگوریتم GA-LSSVR و روش های پیش پردازش ضریب همبستگی و PCA نشان داد که مقادیر ضریب تشخیص (R2) متغیرهای کیفی EC، TDS، Cl-و Na+ به ترتیب 98/0، 98/0، 97/0 و 94/0 می باشد که الگوبندی این متغیرها نسبت به دیگر متغیرهای کیفی از دقت بیش تری برخوردار است. در مجموع با توجه به مثبت بودن مقادیر نش-سایتکلیف (NS) هر دو روش از قابلیت بالایی برای انتخاب ورودی-های الگو برخوردار هستند.

کلیدواژه‌ها

الگوریتم GA-LSSVR؛ ضریب همبستگی پیرسون؛ روش PCA

مراجع