Jau 25 metus Malaizijos Aplinkos departamentas (DOE) įgyvendina vandens kokybės indeksą (WQI), kuriame naudojami šeši pagrindiniai vandens kokybės parametrai: ištirpęs deguonis (DO), biocheminis deguonies poreikis (BDS), cheminis deguonies poreikis (COD), pH, amoniakinis azotas (AN) ir suspenduotos kietosios dalelės (SS). Vandens kokybės analizė yra svarbi vandens išteklių valdymo dalis ir turi būti tinkamai valdoma, siekiant išvengti ekologinės žalos dėl taršos ir užtikrinti aplinkosaugos taisyklių laikymąsi. Dėl to padidėja poreikis apibrėžti veiksmingus analizės metodus. Vienas iš pagrindinių dabartinių skaičiavimų iššūkių yra tas, kad jiems reikia atlikti daug laiko reikalaujančių, sudėtingų ir klaidų linkusių subindeksų skaičiavimų. Be to, WQI negalima apskaičiuoti, jei trūksta vieno ar kelių vandens kokybės parametrų. Šiame tyrime sukurtas WQI optimizavimo metodas, atsižvelgiant į dabartinio proceso sudėtingumą. Buvo sukurtas ir ištirtas duomenimis pagrįsto modeliavimo, būtent „Nu-Radial“ bazinių funkcijų atraminių vektorių mašinos (SVM), pagrįstos 10 kartų kryžminiu patvirtinimu, potencialas, siekiant pagerinti WQI prognozavimą Langato baseine. Siekiant nustatyti modelio efektyvumą prognozuojant vandens kokybės indeksą (WQI), buvo atlikta išsami jautrumo analizė pagal šešis scenarijus. Pirmuoju atveju modelis SVM-WQI parodė puikų gebėjimą pakartoti DOE-WQI ir gavo labai aukštus statistinių rezultatų lygius (koreliacijos koeficientas r > 0,95, Nash Sutcliffe efektyvumas, NSE > 0,88, Willmott'o konsistencijos indeksas, WI > 0,96). Antruoju scenarijumi modeliavimo procesas rodo, kad WQI galima įvertinti be šešių parametrų. Taigi, DO parametras yra svarbiausias veiksnys nustatant WQI. pH turi mažiausią įtaką WQI. Be to, 3–6 scenarijai rodo modelio efektyvumą laiko ir sąnaudų atžvilgiu, sumažinant kintamųjų skaičių modelio įvesties derinyje (r > 0,6, NSE > 0,5 (gerai), WI > 0,7 (labai gerai)). Apibendrinant, modelis labai pagerins ir pagreitins duomenimis pagrįstą sprendimų priėmimą vandens kokybės valdymo srityje, todėl duomenys taps prieinamesni ir patrauklesni be žmogaus įsikišimo.
1 Įvadas
Terminas „vandens tarša“ reiškia kelių tipų vandens taršą, įskaitant paviršinius vandenis (vandenynus, ežerus ir upes) ir gruntinius vandenis. Svarbus šios problemos augimo veiksnys yra tai, kad teršalai nėra tinkamai valomi prieš tiesiogiai ar netiesiogiai išleidžiant juos į vandens telkinius. Vandens kokybės pokyčiai daro didelę įtaką ne tik jūros aplinkai, bet ir gėlo vandens prieinamumui viešajam vandens tiekimui ir žemės ūkiui. Besivystančiose šalyse spartus ekonomikos augimas yra įprastas reiškinys, ir kiekvienas projektas, skatinantis šį augimą, gali būti žalingas aplinkai. Siekiant ilgalaikio vandens išteklių valdymo ir žmonių bei aplinkos apsaugos, labai svarbu stebėti ir vertinti vandens kokybę. Vandens kokybės indeksas, dar žinomas kaip WQI, yra gaunamas iš vandens kokybės duomenų ir naudojamas dabartinei upių vandens kokybės būklei nustatyti. Vertinant vandens kokybės pokyčio laipsnį, reikia atsižvelgti į daugelį kintamųjų. WQI yra indeksas be jokių dimensijų. Jį sudaro konkretūs vandens kokybės parametrai. WQI pateikia metodą istorinių ir dabartinių vandens telkinių kokybei klasifikuoti. Reikšminga WQI vertė gali turėti įtakos sprendimus priimančių asmenų sprendimams ir veiksmams. Skalėje nuo 1 iki 100, kuo didesnis indeksas, tuo geresnė vandens kokybė. Apskritai upių stočių, kurių balas yra 80 ir daugiau, vandens kokybė atitinka švarių upių standartus. WQI vertė mažesnė nei 40 laikoma užteršta, o WQI vertė nuo 40 iki 80 rodo, kad vandens kokybė iš tiesų yra šiek tiek užteršta.
Apskritai, norint apskaičiuoti vandens kokybės indeksą (WQI), reikia atlikti ilgą, sudėtingą ir klaidų kupiną subindeksų transformacijų rinkinį. Tarp WQI ir kitų vandens kokybės parametrų egzistuoja sudėtinga netiesinė sąveika. WQI skaičiavimas gali būti sudėtingas ir užtrukti ilgai, nes skirtingi WQI naudoja skirtingas formules, o tai gali sukelti klaidų. Vienas pagrindinių iššūkių yra tai, kad neįmanoma apskaičiuoti WQI formulės, jei trūksta vieno ar kelių vandens kokybės parametrų. Be to, kai kurie standartai reikalauja daug laiko reikalaujančių, išsamių mėginių rinkimo procedūrų, kurias turi atlikti apmokyti specialistai, kad būtų užtikrintas tikslus mėginių tyrimas ir rezultatų rodymas. Nepaisant technologijų ir įrangos patobulinimų, išsamų upių vandens kokybės stebėjimą laiko ir erdvės atžvilgiu stabdo didelės veiklos ir valdymo išlaidos.
Ši diskusija rodo, kad nėra pasaulinio požiūrio į vandens kokybės indeksą (WQI). Todėl reikia sukurti alternatyvius WQI skaičiavimo metodus, kurie būtų efektyvūs skaičiavimo požiūriu ir tikslūs. Tokie patobulinimai gali būti naudingi aplinkos išteklių valdytojams stebint ir vertinant upių vandens kokybę. Šiame kontekste kai kurie tyrėjai sėkmingai panaudojo dirbtinį intelektą (DI) WQI prognozuoti; DI pagrįstas mašininio mokymosi modeliavimas leidžia išvengti subindeksų skaičiavimo ir greitai generuoja WQI rezultatus. DI pagrįsti mašininio mokymosi algoritmai populiarėja dėl savo netiesinės architektūros, gebėjimo numatyti sudėtingus įvykius, gebėjimo valdyti didelius duomenų rinkinius, įskaitant įvairaus dydžio duomenis, ir nejautrumo nepilniems duomenims. Jų prognozavimo galia visiškai priklauso nuo duomenų rinkimo ir apdorojimo metodo bei tikslumo.
Įrašo laikas: 2024 m. lapkričio 21 d.