ՄԵՔԵՆԱՅԱԿԱՆ ՈՒՍՈՒՑՄԱՆ ԿԻՐԱՌՄԱՄԲ ՀՈՂ–ՋՈՒՐ ԷԿՈՀԱՄԱԿԱՐԳՈՒՄ ՈՐՈՇ ԱՆՑՈՒՄԱՅԻՆ ՄԵՏԱՂՆԵՐԻ ԿՈՆՑԵՆՏՐԱՑԻՈՆ ՓՈՓՈԽՈՒԹՅԱՆ ԿԱՆԽԱՏԵՍՈՒՄԸ
DOI-:
https://doi.org/10.46991/PYSUC.2025.59.2.574Բանալի բառեր-:
transition metal, soil-water chain, correlation coefficients, machine learning, linear regression, PythonԱմփոփում
Հոդվածում քննարկվում է մեքենայական ուսուցման մեթոդների կիրա-ռումը՝ հատուկ ուշադրություն դարձնելով գծային ռեգրեսիային՝ հող–ջուր էկոհամակարգում անցումային մետաղների գումարային կոնցենտրացիան կանխատեսելու համար։ Չնայած նրան, որ անցումային մետաղները անհրաժեշտ են չնչին քանակությամբ, սակայն դրանք կարող են վնասակար ազդեցություն ունենալ շրջակա միջավայրի վրա։ Կանխատեսման համար օգտագործվել են սեզոնային և աշխարհագրական պարամետրերը, ինչպես նաև հողում և ոռոգման ջրում մետաղների կոնցենտրացիաները։ Տվյալների նորմալացումն այս հետազոտության առանցքային փուլերից էր, որը ցույց է տվել իր արդյունավետությունը՝ փոփոխականների միջև գծային կախվածության բացահայտման համար։ Մշակված գծային ռեգրեսիայի մոդելը ցույց է տվել բարձր ճշգրտություն․ դետերմինացիայի գործակիցը կազմել է 0,9945, միջին բացարձակ սխալը՝ 0,1, իսկ միջին տոկոսային սխալը՝ 5,5%։ Այս արդյունքները հաստատում են առաջարկված մեթոդի կիրառելիությունը ջրի որակի մոնիտորինգի, աղտոտման ռիսկերը գնահատելու և էկոհամակարգերում մարդածին ազդեցությամբ պայմանավորված հնարավոր սպառնալիքները վաղ փուլում բացահայտելու համար։
Ներբեռնումներ
Հրատարակվել է
Թողարկում
Բաժին
Արտոնագհր
Copyright (c) 2025 ԵՊՀ Գիտական տեղեկագիր
Այս աշխատանքն արտոնագրված է որպես a Creative Commons Attribution-NonCommercial 4.0 International License.
