مقايسه روش هاي هوش مصنوعي و رگرسيون چندمتغيره در برآورد تأثير متغيرهاي هواشناسي بر جوامع فيتوپلانكتوني

شكوفايي جلبك‌هاي توليدكنندۀ سم در اكوسيستم‌هاي آبي يكي از پديده‌هاي آسيب‌رسان و پراهميت در دهه‌هاي اخير است كه بخشي از روند رو به رشد آن مي‌تواند متأثر از تغييرات الگوهاي آب و هوايي باشد. تاكنون در ايران مطالعه اي در خصوص تأثير متغيرهاي آب و هوايي بر رشد جوامع فيتوپلانكتوني صورت نگرفته است. مهمترين هدف پژوهش حاضر مقايسه و ارزيابي كارايي روش هاي هوش مصنوعي و رگرسيون چندمتغيره در برآورد تأثير عوامل هواشناسي بر رشد جمعيت فيتوپلانكتون ها در اكوسيستم آبي درياچۀ سد ارس مي باشد. نمونه‌برداري به‌صورت فصلي انجام شد. بر اساس نتايج به‌دست آمده الگوي جوامع فيتوپلانكتوني در منطقه بسوي غلبۀ نسبي سيانوباكتري ها در تمام فصول سال 1392 نسبت به سال 1387 تغيير نموده‌است. به نظر مي‌رسد تغييرات الگوي دما و بارش منطقه را مي‌توان از عوامل اصلي تأثيرگذار در ارتباط با اين تغيير به‌شمار آورد. همچنين داده هاي كلروفيل از سنجندۀ MODIS دريافت شد. نتايج رگرسيون چندگانه نشان داد كه فراواني فيتوپلانكتون ها همبستگي بالايي با غلظت كلروفيل زيست‌بوم آبي داشته و دماي هوا بيشترين سهم را در تغييرات غلظت كلروفيل دارد. در روش برآورد تأثير با استفاده از روش شبكۀ عصبي مصنوعي، از الگوريتم پرسپترون چند لايه (MLP) پس انتشار استفاده شد. نتايج حاصل از شبكه عصبي نشان داد كه متغير دماي سطح آب و ميانگين دماي هوا بيشترين اثر را در برآورد ميزان كلروفيل داشته اند. همچنين مشاهده شد كه روش شبكه عصبي مصنوعي (r=0.76, standard error=0.48 mg/m3) غلظت كلروفيل در اكوسيستم آبي مورد مطالعه را با دقت بالاتر و خطاي كمتر از روش رگرسيون خطي چندگانه (r=0.64, standard error=0.92 mg/m3) برآورد مي كند.