افزايش بيش از پيش جمعيت در دهه‌هاي اخير موجب رشد سريع فعاليت‌هاي صنعتي و
کشاورزي در مقياس جهاني شده و به تبع آن و با استقرار مراکز صنعتي و
کشاورزي در کنار رودخانه‌ها، بخش عمده‌اي از آلودگي‌هاي آن‌ها وارد آب‌هاي
سطحي مي‌شود. بنابراين، انجام مطالعاتي در مورد کنترل و شبيه‌سازي آلودگي
در رودخانه‌ها ضروري به نظر مي‌رسد. انتقال طولي آلودگي يکي از مراحل مهم
در فرآيند رقيق‌سازي آلودگي‌ها مي باشد که شناخت آن از اهميت بسزايي
برخوردار است. در عين حال، پيچيدگي‌ها و مشکلات پيش‌رو در اندازه گيري ضريب
انتشار طولي در رودخانه‌ها نياز به استفاده از روش هاي مناسب مدل سازي
همچون روش‌هاي يادگيري ماشيني در پيش بيني اين ضريب را بيشتر مي کند. در
اين پژوهش، عملکرد چند مورد از روش‌هاي يادگيري ماشيني همچون رگرسيون بردار
پشتيبان و برنامه‌ريزي ژنتيک در پيش‌بيني ضريب انتشار طولي آلودگي مورد
بررسي قرار گرفته است. نتايج حاصل از تحليل آماري روش‌هاي مورد مطالعه نشان
داد که روش برنامه‌ريزي ژنتيک در حالت استفاده از چهار عمل اصلي رياضي و
توان و روش رگرسيون بردار پشتيبان با تابع کرنل پيرسون به ترتيب با مقادير
جذر ميانگين مربعات خطاي 523/29 و 630/34 و همچنين روش برنامه‌ريزي ژنتيک
در حالت استفاده از چهار عمل اصلي رياضي و لگاريتم با جذر ميانگين مربعات
خطاي 369/32 عملکرد بهتري در مقايسه با ديگر حالت‌ها داشته‌اند. همچنين با
بررسي‌هاي به عمل آمده مشخص گرديد که اضافه نمودن توابع مثلثاتي در روش
برنامه‌ريزي ژنتيک تاثير مثبتي در کاهش خطا و افزايش دقت پيش‌بيني‌ها
نداشته است.
