پیش بینی میزان آلودگی فلزات سنگین در رسوبات رودخانه گرگانرود با استفاده از داده کاوی

Abstract

به منظور پیش بینی میزان آلودگی فلزات سنگین در رسوبات رودخانه گرگانرود با استفاده از داده کاوی، در طول رودخانه گرگان رود نمونه های رسوبی در دو فصل (بهار و تابستان) و در 10 ایستگاه با سه تکرار نمونه برداری گردید. پس از آنالیز دستگاهی نمونه ها، داده های خام فلزات سنگین جمع آوری شد. سپس روش پیشنهادی مطرح گردید که شامل مراحل شروع و گردآوری داده ها، پیش پردازش داده ها ، ساخت مدل و همچنین ارزیابی و خروجی می باشد. در مرحله ساخت مدل، ساخت طبقه‌بندی با استفاده از3 الگوریتم Naive bayes و درخت تصمیم و k-nn انجام شد و سپس ارزیابی صورت گرفت که معیار های صحت (Accuracy)، دقت (Precision )، فراخوانی(Recall) و خطا (Error) بررسی و مقایسه گردید. در خروجی روش پیشنهادی، هر 3 الگوریتم برروی داده های مورد نظر نتایج مثبتی داشتتند. مقادیرمعیارهای صحت، دقت، فراخوانی و خطا در الگوریتم Naive bayes ، به ترتیب %92، %44/94، %89/88 ،%8 بدست آمد که این مقادیر درالگوریتم Naive bayes از 2 الگوریتم درخت تصمیم و k-nn بیشتر بود. همچنین الگوریتم K-nn نسبت به درخت تصمیم خروجی بهتری داشت و مقادیرصحت و دقت در این الگوریتم بیشتر از الگوریتم درخت تصمیم بدست آمد.