تصمیم گیری بر اساس الگوریتم ژنتیک برای انتخاب گیاه مناسب به منظور گیاه پالایی خاک های آلوده به نفت

الگوریتم ژنتیک یک روش جستجوی مؤثر در فضاهای وسیع و بزرگ بر اساس ژن ها و کروموزوم ها می باشد که در نهایت منجر به جهت گیری به سمت یافتن پاسخ بهینه در میان سایر پاسخ های ممکن می شود. در این پژوهش انتخاب مناسب ترین گیاه و سطح اختلاط خاک آلوده به ترکیبات نفتی با خاک غیر آلوده (سطوح 1به1 و 3به1، خاک آلوده: خاک غیر آلوده) برای گیاه پالایی خاک های آلوده به نفت اطراف پالایشگاه تهران از طریق بهینه سازی به روش الگوریتم ژنتیک با روش آمار کلاسیک مقایسه شد. نتایج حاصل از انتخاب گیاهان مناسب از میان هفت گیاه مورد بررسی (اگروپایرون، فسکیو، پوکسنلیا، آفتابگردان، شبدر، کلزا و گلرنگ) در بخش مطالعات قابلیت رشد بر اساس روش آمار کلاسیک نشان داد که در هر دو سطح آلودگی 1 به 1 و 3 به 1 گیاهان اگروپایرون، فسکیو و پوکسنلیا انتخابی بهینه از میان سایر انتخاب های ممکن بود. این درحالیست که در روش الگوریتم ژنتیک، انتخاب 4 گیاه اگروپایرون، فسکیو، آفتابگردان و گلرنگ مناسب ترین پاسخ بود. از سوی دیگر در مطالعات گیاه پالایی، اگروپایرون و فسکیو گیاهان مناسب جهت پالایش آلاینده های نفتی از خاک به روش آمار کلاسیک بودند. در حالی که در بهینه سازی به روش الگوریتم ژنتیک، اگروپایرون مناسب ترین گیاه و سطح آلودگی 1 به 1 مناسب ترین نسبت اختلاط برای کسب بیشترین احتمال موفقیت در پالایش آلاینده های نفتی از خاک به روش گیاه پالایی بودند. همچنین کشت همزمان اگروپایرون - فسکیو در سطح آلودگی 1 به 1 نیز به عنوان بهینه ترین پاسخ از میان سایر پاسخ های ممکن برای کشت همزمان دو گیاه و سطح آلودگی مناسب حاصل شد. بنابراین کشت همزمان اگروپایرون- فسکیو و نسبت اختلاط 1 به 1 خاک آلوده و خاک غیر آلوده به منظور گیاه پالایی آلاینده های نفتی موجود در منطقه مورد مطالعه توصیه می گردد