پيش بيني كيفيت آب‌هاي سطحي با استفاده از روش درخت تصميم

Surface water quality prediction using decision tree method

با توجه به كمبود منابع آب‌هاي سطحي در ايران توجه به كيفيت آب و اتخاذ تمهيداتي در راستاي جلوگيري از آلودگي منابع آب شيرين ضروري است. توسعه پايدار كشاورزي بدون در نظر گرفتن كيفيت شيميايي آب‌هاي سطحي غيرممكن است. كنترل كيفيت آب از موضوعات مورد توجه در برنامه ريزي آبياري اراضي كشاورزي مي باشد. از آنجاييكه پايش و ارزيابي كيفت آبهاي سطحي پرهزينه و زمان بر مي‌باشد، بنابراين، يافتن روشي ارزان، آسان و نسبتا دقيق كه در آن با حداقل پارامترهاي هيدروشيميايي بتوان طبقه كيفيت آب را پيش‌بيني نمود، بسيار مفيد مي باشد. درخت تصميم جزو روش‌هاي نوين داده كاوي بوده كه با بهرهگيري از يك ساختار درختي دادهها را طبقهبندي نموده و ضمن استخراج الگوها و قوانين موجود در بين داده‌ها به منظور پيش‌بيني به كار مي رود. در اين مقاله با استفاده از روش تصميم‌گيري درختي كيفيت آب برخي از رودخانه‌هاي واقع در دامنه‌هاي جنوبي كوه سهند در محل ايستگاه‌هاي هيدرومتري چكان، قيرميزي گ‍ول، شيشوان، تازه كند مراغه و مغانجيق مورد بررسي قرار گرفت و براي هريك از رودخانه طبقه كيفيت آب با استفاده از قوانين اگر-آنگاه توسعه داده شد. نتايج بدست آمده از مدل نشان داد كه روش تصميم‌گيري درختي قادر است با استفاده از كمترين تعداد پارامتر هيدروشيميايي طبقه كيفيت آب را با دقت بسيار بالايي تعيين كند.

Consideration of water quality and implementation of appropriate actions for preventing of water resources pollution is a very important issue in Iran because of surface water deficit. Sustainable development of agriculture is impossible without considering of surface water quality. Water quality control is a noteworthy issue in irrigation scheduling program of agricultural land. Since surface water quality monitoring and assessment is very expensive and time consuming. Thus, finding a cheap, simple and relatively exact method which can predict the water quality class base on minimum hydro chemical parameters would be very useful. Decision tree as one of the data mining techniques classify data sets based on a tree structure and uses for prediction base on extracting the exiting patterns and roles among data sets. In this study, the decision tree method was used to classify water quality in some hydrometrics stations located at southern side of Sahand Mountain, including Chekan, Girmizigol, Shishovan, Tazekand and Moghanjig. The water quality classes were defined based on if-then rules. The results showed that the decision tree method is able to predict the water quality classes based on small number of hydro chemical parameters with high accuracy.