الگوبندی متغیرهای کیفی آب با روش داده مبنا در رودخانه سفیدرود

افزایش برداشت از منابع آب سطحی، به عنوان در دسترسترین منبع آب و افزایش تخلیه پساب ها به این منابع منجر به کاهش کیفیت آب های سطحی شده است. لذا پایش و الگوبندی 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 (فرمول در متن اصلی مقاله) ، 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 R(2) متغیرهای کیفی TDC,EC و C1(-) (+) Na به ترتیب 0/94، 0/97، 0/98 می باشد که الگوبندی این متغیرها نسبت به دیگر متغیرهای کیفی از دقت بیشتری 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

کلیدواژه ها:

الگوریتم GA-LSSVR ضریب همبستگی پیرسون ، روش PCA