پیش بینی غلظت نیترات در آب های زیرزمینی محدوده شرق استان مازندران با استفاده از الگوریتم های محاسباتی نرم

با توجه به اهمیت آب شیرین برای حیات بشر و آسیب پذیری منابع آب زیرزمینی در برابر انواع آلودگی ها و امکان انتقال آلاینده ها به سایر منابع آب های سطحی و زیرزمینی و همچنین، قرار داشتن کشور ایران در کمربند خشک و نیمه خشک، محافظت از این عنصر با ارزش و کمیاب بسیار ضروری بوده و پایش مداوم و مستمر آن باید از اولویت های مدیریت منابع آب قرار گیرد. از این رو، در پژوهش حاضر به آلودگی نیترات در دشت های شرق استان مازندران و بررسی مسائل مربوطه پرداخته شد و مدلی کارآمد و بهینه جهت پیش بینی غلظت نیترات ارائه شد. در انجام این پژوهش به مقایسه ی سه مدل یادگیری ماشین درخت تصمیم، رگرسیون لجستک و شبکه عصبی مصنوعی پرداخته شد. داده های فیزیکی و شیمیایی اندازه گیری شده طی سال های ۱۳۶۴ تا ۱۳۹۹ استفاده شده و به عنوان متغیرهای ورودی مدل ها قرار داده شد. متغیر ها شامل دما، سطح ایستابی، pH، EC ، HCO۳-، CL-، SO۲۴-، Na+، K+، Mg۲+، Ca۲+، THو TDS بوده و میزان آلودگی نیترات آب زیرزمینی با تقسیم ۷۰ درصد داده ها به عنوان آموزش و ۳۰ درصد به عنوان آزمون، پیش بینی شده و از شاخص های R۲، RMSE، NSE و PBIAS برای ارزیابی مدل ها 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 (۹۵۷/۰R۲ = و ۲۹۷/۰RMSE=، ۹۵/۰= NSE و ۹۰۷/۰Testing acc =) و پس از آن رگرسیون لجستیک و شبکه عصبی مصنوعی با عملکردهای به مراتب ضعیف تری نسبت به مدل درخت تصمیم قرار داشتند. پیشنهاد می شود آزمایش با مدل های 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.