مهدی حسینقلی زاده - دانشجوی مهندسی و مدیریت منابع آب، گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
محمد نجف زاده - دانشیار گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

برای بررسی کیفیت آب رودخانه از شاخصهای اکولوژیکی از جمله شاخص ماکروفیت رودخانه استفاده میکنیم. ماکروفیتها گیاهان آبزی هستند که می توان با چشم غیر مسلح دید. درتحقیق حاضر دادههای ۲۰۰ مکان در رودخانه های کشور لهستان، که شامل ۱۲ پارامتر کیفی آب: پتانسیل هیدروژن، هدایت الکتریکی، قلیاییت، فسفات، فسفر کل، نیترات، نیتریت، آمونیوم، نیتروژن آلی، نیتروژن کل، اکسیژن محلول و اکسیژن مورد نیاز بیوشیمیایی و دو شاخص هیدرومورفولوژیکی شامل ارزیابی کیفیت زیستگاه و امتیاز اصلاح زیستگاه و همچنین شاخص ماکروفیت رودخانه می باشند، را مورد مطالعه قرار دادیم. پارامترهای کیفی آب و شاخصهای هیدرومورفولوژیکی را متغیرهای مستقل و شاخص ماکروفیت رودخانه را متغیر وابسته در نظر گرفتیم. با استفاده از مدلهای هوش مصنوعی رگرسیون تطبیقی چند متغیره اسپلاین و رگرسیون چندجمله ای تکاملی رابطهای بین متغیرهای مستقل و متغیر وابسته ایجاد کرده و با استفاده از دادههای متغیرهای مستقل، شاخص ماکروفیت رودخانه را پیشبینیکردیم. با استفاده از شاخصهای آماری ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین خطای مطلق عملکرد مدلها را مورد بررسی قرار دادیم. مدل رگرسیون تطبیقی چند متغیره اسپلاین با مقادیر (ضریب همبستگی ۵۲۵۴/۰و خطای میانگین مطلق ۴۰۰۶/۹) در مقایسه با مدل رگرسیون چند جملهای تکاملی با مقادیر (ضریب همبستگی ۲۳۶۷/۰و خطای میانگین مطلق ۷۸۵۳/۱۶) دارای برتری عملکرد میباشد. در مقایسه با مدلهای تحقیقات گذشته مدل رگرسیون چند جمله ای چند متغیره با ضریب تعیین ۵۸۰/۰ نسبت به سایر مدل ها دارای برازش بهینه بوده و همچنین دارای ساختار ساده می باشد .

رگرسیون تطبیقی چند متغیره اسپلاین، رگرسیون چندجمله ای تکاملی، شاخص ماکروفیت رودخانه، مدل هوش مصنوعی