Протягом 25 років Міністерство навколишнього середовища Малайзії (DOE) впроваджує Індекс якості води (WQI), який використовує шість ключових параметрів якості води: розчинений кисень (DO), біохімічне споживання кисню (BOD), хімічне споживання кисню (COD), pH, аміачний азот (AN) та зважені тверді речовини (SS). Аналіз якості води є важливим компонентом управління водними ресурсами та повинен проводитися належним чином, щоб запобігти екологічній шкоді від забруднення та забезпечити дотримання екологічних норм. Це підвищує потребу у визначенні ефективних методів аналізу. Однією з головних проблем сучасних обчислень є те, що вони вимагають серії трудомістких, складних та схильних до помилок розрахунків субіндексів. Крім того, WQI неможливо розрахувати, якщо відсутній один або кілька параметрів якості води. У цьому дослідженні розроблено метод оптимізації WQI для складності поточного процесу. Був розроблений та досліджений потенціал моделювання на основі даних, а саме Nu-Radial базисної функції опорних векторів (SVM) на основі 10-кратної перехресної перевірки, для покращення прогнозування WQI в басейні Лангат. Було проведено комплексний аналіз чутливості за шістьма сценаріями, щоб визначити ефективність моделі в прогнозуванні WQI. У першому випадку модель SVM-WQI продемонструвала чудову здатність відтворювати DOE-WQI та отримала дуже високі рівні статистичних результатів (коефіцієнт кореляції r > 0,95, ефективність Неша Саткліффа, NSE > 0,88, індекс узгодженості Вілмотта, WI > 0,96). У другому сценарії процес моделювання показує, що WQI можна оцінити без шести параметрів. Таким чином, параметр DO є найважливішим фактором у визначенні WQI. pH має найменший вплив на WQI. Крім того, сценарії з 3 по 6 показують ефективність моделі з точки зору часу та витрат шляхом мінімізації кількості змінних у вхідній комбінації моделі (r > 0,6, NSE > 0,5 (добре), WI > 0,7 (дуже добре)). Разом модель значно покращить та прискорить прийняття рішень на основі даних в управлінні якістю води, зробивши дані більш доступними та цікавими без втручання людини.
1 Вступ
Термін «забруднення води» стосується забруднення кількох типів води, включаючи поверхневі води (океани, озера та річки) та ґрунтові води. Значним фактором зростання цієї проблеми є те, що забруднювачі не очищаються належним чином перед прямим чи опосередкованим потраплянням у водойми. Зміни якості води мають значний вплив не лише на морське середовище, але й на доступність прісної води для громадського водопостачання та сільського господарства. У країнах, що розвиваються, швидке економічне зростання є поширеним явищем, і кожен проект, який сприяє цьому зростанню, може бути шкідливим для навколишнього середовища. Для довгострокового управління водними ресурсами та захисту людей і навколишнього середовища моніторинг та оцінка якості води є важливими. Індекс якості води, також відомий як ІКПВ, виводиться з даних про якість води та використовується для визначення поточного стану якості річкової води. При оцінці ступеня зміни якості води необхідно враховувати багато змінних. ІКПВ – це індекс без жодного виміру. Він складається з конкретних параметрів якості води. ІКПВ надає метод класифікації якості історичних та сучасних водойм. Значуще значення ІКПВ може впливати на рішення та дії осіб, які приймають рішення. За шкалою від 1 до 100, чим вищий індекс, тим краща якість води. Загалом, якість води річкових станцій з балами 80 і вище відповідає стандартам чистих річок. Значення WQI нижче 40 вважається забрудненим, тоді як значення WQI від 40 до 80 вказує на те, що якість води дійсно незначно забруднена.
Загалом, розрахунок індексу якості води (WQI) вимагає набору перетворень підіндексів, які є довгими, складними та схильними до помилок. Існують складні нелінійні взаємодії між WQI та іншими параметрами якості води. Розрахунок WQI може бути складним і займати багато часу, оскільки різні WQI використовують різні формули, що може призвести до помилок. Однією з головних проблем є те, що неможливо розрахувати формулу для WQI, якщо відсутній один або декілька параметрів якості води. Крім того, деякі стандарти вимагають трудомістких, вичерпних процедур збору зразків, які повинні виконуватися кваліфікованими фахівцями, щоб гарантувати точне дослідження зразків та відображення результатів. Незважаючи на вдосконалення технологій та обладнання, масштабний часовий та просторовий моніторинг якості річкової води був ускладнений високими експлуатаційними та управлінськими витратами.
Це обговорення показує, що глобального підходу до показника якості води (WQI) не існує. Це підвищує потребу в розробці альтернативних методів розрахунку WQI обчислювально ефективним та точним способом. Такі вдосконалення можуть бути корисними для менеджерів екологічних ресурсів для моніторингу та оцінки якості річкової води. У цьому контексті деякі дослідники успішно використовували штучний інтелект для прогнозування WQI; моделювання машинного навчання на основі штучного інтелекту дозволяє уникнути розрахунку субіндексів та швидко генерувати результати WQI. Алгоритми машинного навчання на основі штучного інтелекту набувають популярності завдяки своїй нелінійній архітектурі, здатності прогнозувати складні події, здатності керувати великими наборами даних, включаючи дані різного розміру, та нечутливості до неповних даних. Їхня прогностична здатність повністю залежить від методу та точності збору та обробки даних.
Час публікації: 21 листопада 2024 р.