پیش بینی شاخص کیفیت آب آنتروپی وزن دار برای مصارف کشاورزی با استفاده از روش های ساده و ترکیبی هوش مصنوعی

در دهه های اخیر، ارزیابی کیفیت منابع آبی برای برنامه ریزی استفاده درست و به دنبال آن پیش بینی کیفت آن ها برای تضمین تداوم برنامه ریزی از اهمیت بالایی برخوردار است. علیرغم توجه بی سابقه به شاخص های کیفیت آب در سراسر جهان، بهینه سازی در جهت کاهش تعداد و انواع پارامترها در شاخص های کیفیت آب کشاورزی و در نتیجه کاهش هزینه های اندازه گیری تا حدی مغفول مانده است. بنابراین در این مطالعه ابتدا روش آنتروپی شانون برای تعیین وزن پارامتر های تشکیل دهنده شاخص به کار برده شد و سپس توانایی الگوریتم های ساده و ترکیبی هوش مصنوعی برای پیش بینی شاخص کیفیت آب آنتروپی وزن دار که برای ارزیابی تناسب آب با اهداف کشاورزی مورد استفاده قرار می گیرد، بررسی گردید. نتایج نشان داد که زیر شاخص بی کربنات و نسیت جذب سدیم به ترتیب بیشترین وزن (۲۴/۰) و کمترین وزن (۱۸/۰) را به خود اختصاص دادند. الگوریتم ترکیبی درخت تصمیم و شبکه عصبی نسبت به الگوریتم ساده درخت تصمیم و شبکه عصبی با R۲ بالاتر (۹۹۹/۰نسبت به ۹۹۶/۰و ۹۹۸/۰) و RMSE پایین تر (۳۳۱/۰ نسبت به به ۰۸۱/۱و ۳۳۱/۰) دقت بالاتری در پیش بینی شاخص کیفیت آب آنتروپی وزن دار نشان داد. تجزیه و تحلیل اهمیت پارامتر ها در به کارگیری به عنوان ورودی الگوریتم های مورد مطالعه با استفاده از ماتریس همبستگی پیرسون نشان داد که با حذف بی کربنات و کاهش تعداد ورودی ها به ۴ ورودی نیز الگوریتم ترکیبی درخت تصمیم و شبکه عصبی توانایی بالایی در پیش بینی شاخص دارند.

Keywords:

هوش مصنوعی , همبستگی پیرسون , کشاورزی , بی کربنات