برآورد ضریب انتشار طولی آلودگی در رودخانه ها با استفاده از رگرسیون بردار پشتیبان و برنامه ریزی ژنتیک

افزایش بیش از پیش جمعیت در دهه های اخیر موجب رشد سریع فعالیت های صنعتی و کشاورزی در مقیاس جهانی شده و به تبع آن و با استقرار مراکز صنعتی و کشاورزی در کنار رودخانه ها، بخش عمدهای از آلودگی های آنها وارد آب های سطحی می شود. بنابراین، انجام مطالعاتی در مورد کنترل و شبیه سازی آلودگی در رودخانه ها ضروری به نظر می رسد. انتقال طولی آلودگی یکی از مراحل مهم در فرآیند رقیق سازی آلودگی ها می باشد که شناخت آن از اهمیت بسزایی برخوردار است. در عین حال، پیچیدگی ها و مشکلات پیشرو در اندازه گیری ضریب انتشار طولی در رودخانه ها نیاز به استفاده از روش های مناسب مدلسازی همچون روش های یادگیری ماشینی در پیش بینی این ضریب را بیشتر می کند. در این پژوهش، عملکرد چند مورد از روش های یادگیری ماشینی همچون رگرسیون بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی ضریب انتشار طولی آلودگی مورد بررسی قرار گرفته است. نتایج حاصل از تحلیل آماری روش های مورد مطالعه نشان داد که روش برنامه ریزی ژنتیک در حالت استفاده از چهار عمل اصلی ریاضی و توان و روش رگرسیون بردار پشتیبان با تابع کرنل پیرسون به ترتیب با مقادیر جذر میانگین مربعات خطای 29.523 و 34.630 و همچنین روش برنامه ریزی ژنتیک در حالت استفاده از چهار عمل اصلی ریاضی و لگاریتم با جذر میانگین مربعات خطای 32.369 عملکرد بهتری در مقایسه با دیگر حالت ها داشته اند. همچنین با بررسی های به عمل آمده مشخص گردید که اضافه نمودن توابع مثلثاتی در روش برنامه ریزی ژنتیک تاثیر مثبتی در کاهش خطا و افزایش دقت پیش بینی ها نداشته است.