پیش بینی غلظت کلروفیل آ به کمک الگوریتمهای یادگیری ماشین

تغییرات آب و هوا و انتشار مواد مغذی به محیطهای آبی، نگرانیهای زیادی را در مورد اوتروفیکاسیون و خطر شکوفاییجلبک به همراه داشته است. شکوفایی جلبک، منجر به تولید مواد سمی و دارای طعم و بو در منابع آبی میشود. در اینمطالعه از هشت متغیر مختلف جهت تخمین مقدار کلروفیلآ به عنوان شاخصی از فراوانی جلبکها به کمک الگوریتمهاییادگیری ماشین استفاده شده است. الگوریتمهای بکار گرفته شده شامل رگرسیون خطی، رگرسیون بردار پشتیبان، شبکهعصبی پرسپترون چند لایه، درخت rep ، جنگل تصادفی و درخت m5p است. جهت مقایسه و کارایی الگوریتمهای ذکرشده، چهار معیار ضریب همبستگی، میانگین خطای مطلق، خطای میانگین مربعها و خطای جذر میانگین مربعها بررسیشده است. دادهها به منظور جلوگیری از بیش برازش به دو دسته آموزشی و تست تقسیم شدهاند. نتایج نشان میدهد کهالگوریتمهای یادگیری ماشین، ابزاری قدرتمند در تخمین غلظت کلروفیلآ هستند. همچنین الگوریتم جنگل تصادفی بابیشترین ضریب همبستگی و کمترین خطا بهترین عملکرد را در مساله مطرح شده دارد.