بابک سوری

فعالیت‌های انسانی اغلب از طریق ترافیک وسایل نقلیه، فعالیت‌های کشاورزی، دفع زباله، معدن و فعالیت‌های صنعتی باعث افزایش قابل توجه فلزات سنگین در خاک می‌شوند. تکنیک‌های مدل‌سازی نقش مهمی در ارزیابی خطرات بالقوه مرتبط با فلزات سنگین در محیط‌زیست دارند. هدف از مطالعه حاضر بررسی کاربرد مدل جنگل تصادفی در پیش‌‌بینی و توزیع مکانی فلزات سنگین در مقایسه با شبکه عصبی پرسپترون چند لایه است. بر اساس مرور پژوهش‌های انجام گرفته مدل‌سازی یک جایگزین مقرون به‌صرفه و کارآمد برای روش‌‌های نمونه‌‌گیری فیزیکی سنتی ارائه می‌‌دهد. استفاده از تصاویر ماهواره‌ای و تکنیک‌‌های یادگیری ماشین امکان نتایج سریع را فراهم می‌‌آورد و تصمیم‌‌گیری به موقع و پاسخ به مسائل آلودگی فلزات سنگین را تسهیل می‌‌کند. اخیرا مدل جنگل تصادفی به عنوان یک الگوریتم کاملا کارآمد و قوی ظاهر شده است. این مدل نشان می‌‌دهد که متغیرهای محیطی نقش مهمی در توضیح تغییرات غلظت فلزات سنگین در خاک دارند. ادغام مدل جنگل تصادفی با سایر روش‌‌های یادگیری ماشین از جمله شبکه عصبی پرسپترون چند لایه برای پیش‌‌بینی توزیع مکانی فلزات سنگین در خاک مفید خواهد بود. این ادغام به‌طور بالقوه می‌تواند نتایج دقیق‌تری به همراه داشته باشد و در نتیجه بینش‌های قابل اعتمادتری برای مدیریت و حفاظت از محیط‌زیست ارائه دهد.