بررسی عملکرد الگوریتم‌های یادگیری ماشین در پایش سریع و اقتصادی کیفیت آب (پیش‌بینی هوشمند bod5 در طالقان رود)

اندازه‌گیری آزمایشگاهی پارامتر bod5 به عنوان یک معیار مهم برای بررسی کیفی آب، پرهزینه و زمان‌بر است و می‌تواند با خطا همراه باشد؛ بنابراین یافتن روش‌هایی که از لحاظ زمان و هزینه به‌صرفه باشد ضروری است. امروزه روش‌های یادگیری ماشین به‌عنوان ابزارهای مناسب جهت تخمین پارامترهای کیفی آب مورد استفاده قرار می‌گیرند. هدف اصلی این پژوهش ارزیابی توانایی الگوریتم‌های یادگیری ماشین، به عنوان یک جایگزین کارآمد و اقتصادی برای تخمین bod5 در رودخانه‌های مهم کرج و شارهرود است. بدین منظور مدل‌های رگرسیون خطی و catboost در سناریوهای مختلف، با در نظر گرفتن پارامترهای ورودی مختلف، توسعه یافتند. نتایج نشان داد که مدل رگرسیون خطی، به دلیل همبستگی خطی بسیار زیاد پارامتر cod، با پارامتر هدف، عملکردی فوق‌العاده دقیق دارد؛ اگرچه مدل‌های catboost نیز عملکرد قابل‌قبولی داشتند، اما حذف cod از متغیرهای ورودی، توانایی پیش‌بینی مدل‌ها را به شدت کاهش داد. پارامترهای کدورت و tss پس از cod، به عنوان موثرترین پارامترها در فرآیند تخمین شناسایی شدند. یافته‌های این پژوهش تایید می‌کند که الگوریتم‌های یادگیری ماشین توانایی قابل توجهی در تخمین bod5 دارند، با این حال عملکرد آن‌ها تا حد زیادی وابسته به در دسترس بودن پارامتر cod است.