25 gadus Malaizijas Vides departaments (DOE) ir ieviesis Ūdens kvalitātes indeksu (WQI), kas izmanto sešus galvenos ūdens kvalitātes parametrus: izšķīdušo skābekli (DO), bioķīmisko skābekļa patēriņu (BSP), ķīmisko skābekļa patēriņu (ĶSP), pH, amonija slāpekli (AN) un suspendētās cietās daļiņas (SS). Ūdens kvalitātes analīze ir svarīga ūdens resursu pārvaldības sastāvdaļa, un tā ir pareizi jāpārvalda, lai novērstu piesārņojuma radīto ekoloģisko kaitējumu un nodrošinātu atbilstību vides noteikumiem. Tas palielina nepieciešamību definēt efektīvas analīzes metodes. Viens no galvenajiem pašreizējo skaitļošanas tehnoloģiju izaicinājumiem ir tas, ka tai nepieciešama virkne laikietilpīgu, sarežģītu un kļūdu pakļautu apakšindeksu aprēķinu. Turklāt WQI nevar aprēķināt, ja trūkst viena vai vairāku ūdens kvalitātes parametru. Šajā pētījumā tiek izstrādāta WQI optimizācijas metode, ņemot vērā pašreizējā procesa sarežģītību. Lai uzlabotu WQI prognozēšanu Langatas baseinā, tika izstrādāts un pētīts datu vadītas modelēšanas potenciāls, proti, Nu-Radial bāzes funkciju atbalsta vektoru mašīna (SVM), kuras pamatā ir 10x šķērsvalidācija. Lai noteiktu modeļa efektivitāti ūdens kvalitātes indeksa (WQI) prognozēšanā, tika veikta visaptveroša jutīguma analīze sešos scenārijos. Pirmajā gadījumā modelis SVM-WQI uzrādīja izcilu spēju atkārtot DOE-WQI un ieguva ļoti augstu statistisko rezultātu līmeni (korelācijas koeficients r > 0,95, Neša-Sautklifa efektivitāte, NSE > 0,88, Vilmota konsekvences indekss, WI > 0,96). Otrajā scenārijā modelēšanas process parāda, ka WQI var novērtēt bez sešiem parametriem. Tādējādi DO parametrs ir vissvarīgākais faktors WQI noteikšanā. pH vismazāk ietekmē WQI. Turklāt 3. līdz 6. scenārijs parāda modeļa efektivitāti laika un izmaksu ziņā, samazinot mainīgo skaitu modeļa ievades kombinācijā (r > 0,6, NSE > 0,5 (labi), WI > 0,7 (ļoti labi)). Kopumā modelis ievērojami uzlabos un paātrinās uz datiem balstītu lēmumu pieņemšanu ūdens kvalitātes pārvaldībā, padarot datus pieejamākus un saistošākus bez cilvēka iejaukšanās.
1 Ievads
Termins “ūdens piesārņojums” attiecas uz vairāku ūdens veidu, tostarp virszemes ūdeņu (okeānu, ezeru un upju) un gruntsūdeņu, piesārņojumu. Būtisks faktors šīs problēmas pieaugumā ir tas, ka piesārņotāji netiek pienācīgi attīrīti pirms tiešas vai netiešas nonākšanas ūdenstilpēs. Ūdens kvalitātes izmaiņām ir būtiska ietekme ne tikai uz jūras vidi, bet arī uz saldūdens pieejamību sabiedriskajai ūdensapgādei un lauksaimniecībai. Attīstības valstīs strauja ekonomikas izaugsme ir izplatīta, un katrs projekts, kas veicina šo izaugsmi, var kaitēt videi. Ūdens resursu ilgtermiņa pārvaldībai un cilvēku un vides aizsardzībai ir būtiska ūdens kvalitātes uzraudzība un novērtēšana. Ūdens kvalitātes indekss, kas pazīstams arī kā WQI, tiek iegūts no ūdens kvalitātes datiem un tiek izmantots, lai noteiktu upes ūdens kvalitātes pašreizējo stāvokli. Novērtējot ūdens kvalitātes izmaiņu pakāpi, jāņem vērā daudzi mainīgie. WQI ir indekss bez dimensijas. Tas sastāv no specifiskiem ūdens kvalitātes parametriem. WQI nodrošina metodi vēsturisko un pašreizējo ūdenstilpju kvalitātes klasificēšanai. WQI nozīmīgā vērtība var ietekmēt lēmumu pieņēmēju lēmumus un rīcību. Skalā no 1 līdz 100, jo augstāks indekss, jo labāka ūdens kvalitāte. Kopumā upju staciju ūdens kvalitāte ar rezultātu 80 un vairāk atbilst tīru upju standartiem. WQI vērtība zem 40 tiek uzskatīta par piesārņotu, savukārt WQI vērtība no 40 līdz 80 norāda, ka ūdens kvalitāte patiešām ir nedaudz piesārņota.
Kopumā WQI aprēķināšanai ir nepieciešams apakšindeksu transformāciju kopums, kas ir garš, sarežģīts un kļūdu pakļauts. Pastāv sarežģītas nelineāras mijiedarbības starp WQI un citiem ūdens kvalitātes parametriem. WQI aprēķināšana var būt sarežģīta un aizņemt ilgu laiku, jo dažādi WQI izmanto dažādas formulas, kas var izraisīt kļūdas. Viena no galvenajām problēmām ir tā, ka nav iespējams aprēķināt WQI formulu, ja trūkst viena vai vairāku ūdens kvalitātes parametru. Turklāt daži standarti pieprasa laikietilpīgas, izsmeļošas paraugu ņemšanas procedūras, kas jāveic apmācītiem speciālistiem, lai garantētu precīzu paraugu pārbaudi un rezultātu attēlošanu. Neskatoties uz tehnoloģiju un aprīkojuma uzlabojumiem, plašu upes ūdens kvalitātes laika un telpas monitoringu ir kavējušas augstās darbības un pārvaldības izmaksas.
Šī diskusija parāda, ka nav globālas pieejas WQI. Tas rada nepieciešamību izstrādāt alternatīvas metodes WQI aprēķināšanai skaitļošanas ziņā efektīvā un precīzā veidā. Šādi uzlabojumi varētu būt noderīgi vides resursu pārvaldniekiem upju ūdens kvalitātes uzraudzībai un novērtēšanai. Šajā kontekstā daži pētnieki ir veiksmīgi izmantojuši mākslīgo intelektu (AI), lai prognozētu WQI; uz mākslīgā intelekta balstīta mašīnmācīšanās modelēšana ļauj izvairīties no apakšindeksu aprēķināšanas un ātri ģenerē WQI rezultātus. Uz mākslīgā intelekta balstīti mašīnmācīšanās algoritmi iegūst popularitāti, pateicoties to nelineārajai arhitektūrai, spējai paredzēt sarežģītus notikumus, spējai pārvaldīt lielus datu kopumus, tostarp dažāda lieluma datus, un nejutīgumam pret nepilnīgiem datiem. To prognozēšanas jauda ir pilnībā atkarīga no datu vākšanas un apstrādes metodes un precizitātes.
Publicēšanas laiks: 2024. gada 21. novembris