پديد آورندگان :
طاولي رضا موسسه آموزش عالي پويندگان دانش چالوس , آقاخاني عاطفه موسسه آموزش عالي پويندگان دانش چالوس , باقري حسين پژوهشگاه ملي اقيانوس شناسي و علوم جوي
چكيده فارسي :
به منظور پيش بيني ميزان آلودگي فلزات سنگين در رسوبات رودخانه گرگانرود با استفاده از داده كاوي، در طول رودخانه گرگان رود نمونه هاي رسوبي در دو فصل (بهار و تابستان) و در 10 ايستگاه با سه تكرار نمونه برداري گرديد. پس از آناليز دستگاهي نمونه ها، داده هاي خام فلزات سنگين جمع آوري شد. سپس روش پيشنهادي مطرح گرديد كه شامل مراحل شروع و گردآوري داده ها، پيش پردازش داده ها ، ساخت مدل و همچنين ارزيابي و خروجي مي باشد. در مرحله ساخت مدل، ساخت طبقه بندي با استفاده از3 الگوريتم Naive bayes و درخت تصميم و k-nn انجام شد و سپس ارزيابي صورت گرفت كه معيار هاي صحت (Accuracy)، دقت (Precision)، فراخواني(Recall) و خطا (Error) بررسي و مقايسه گرديد. در خروجي روش پيشنهادي، هر 3 الگوريتم برروي داده هاي مورد نظر نتايج مثبتي داشتتند. مقاديرمعيارهاي صحت، دقت، فراخواني و خطا در الگوريتم Naive bayes ، به ترتيب % 92 % ، 44 / 94 % ، 89 / 88 %، %8 بدست آمد كه اين مقادير درالگوريتم Naive bayes از 2 الگوريتم درخت تصميم و k-nn بيشتر بود. همچنين الگوريتم K-nn نسبت به درخت تصميم خروجي بهتري داشت و مقاديرصحت و دقت در اين الگوريتم بيشتر از الگوريتم درخت تصميم بدست آمد.
چكيده لاتين :
To estimation of heavy metals pollution in Gorganroud river sediments using data Mining, sediment was collected in two seasons (spring and summer) at 10 stations with three replications. After analyzing the samples, heavy metal data were extracted. Then proposed method was included the steps for starting and collecting data, pre-processing data, constructing the model as well as evaluation and output. construction of model was performed using 3 Naive bayes algorithms, decision tree, and k- nn, and then the evaluation was carried out to evaluate the accuracy, precision, recall, and error.In the output of the proposed method, all three algorithms have positive results for our data. The values of the accuracy, precision, recall, and error for Naive bayes algorithm were 92%, 44.49%, 88.88%, 8%, respectively; the values of the Naive bayes algorithm were greater than the decision tree k-nn algorithm. Also, the K-nn algorithm was better than the decision tree and the accuracy and accuracy of this algorithm were more than the decision tree algorithm. Thus, in this thesis, the Naive bayes algorithm showed better results with this data.
