محمدرضا نیکو - گروه عمران، واحد تهران شرق، دانشگاه آزاد اسلامی تهران-ایران
رضا کراچیان
پویان حاتمی بهمن بیگلو
سیدمرتضی مصباح

مدل دسته‌بندی گروهی داده‌ها (GMDH) ابزار مناسبی برای استخراج قوانین نهفته در داده‌ها است. از جمله مزایای این روش، می‌توان به قابلیت مناسب آن برای مدل‌سازی با هر دو دسته از اطلاعات پیوسته و گسسته و توانایی استخراج قوانین با سری اطلاعات محدود اشاره نمود. روند تغییرات کیفیت آب رودخانه و در نتیجه تجارت بارهای آلودگی سیستم، کاملاً غیرخطی و پیچیده است. از طرفی الگوریتم GMDH توانایی قابل ملاحظه‌ای در شناسایی و مدل‌سازی سیستم‌های غیر خطی دارد. در نتیجه، سیستم دسته‌بندی گروهی داده‌ها، امکان تعیین داد و ستد بارهای آلاینده در سیستم و مدلسازی تجارت بارهای آلاینده را فراهم می‌آورد. در این روش، با انجام تحلیل‌های آماری داده‌های مشاهداتی، رفتار غیرخطی حاکم بر آن شبیه‌سازی می‌گردد. در مدل GMDH، برخلاف روش‌های دیگر نظیر شبکه‌های عصبی مصنوعی، نیاز به تعیین ساختار مدل نبوده و ساختار مناسب بین ورودی‌ و خروجی‌ها در طی فرایند شبیه‌سازی توسط مدل، تعیین می‌گردد. در این مقاله، بر پایه سیاست‌های تجارت مجوزهای تخلیه بار آلودگی حاصل از مدل ETRS، از مدل GMDH برای تدوین قوانین تجارت در زمان واقعی استفاده شده است. نتایج حاصله از کاربرد مدل پیشنهادی، نشان دهنده دقت بسیار خوب آن در شبیه‌سازی تجارت بارهای آلودگی و تعیین تبادلات بارهای آلاینده بین تخلیه‌کننده‌های سیستم رودخانه‌ای بوده است

منابع آلاینده رودخانه‌ای، مدل بهینه‌سازی تجارت، دسته‌بندی گروهی داده‌ها