В продължение на 25 години Министерството на околната среда на Малайзия (DOE) въвежда Индекс за качество на водата (WQI), който използва шест ключови параметъра за качество на водата: разтворен кислород (DO), биохимично потребление на кислород (BOD), химическо потребление на кислород (COD), pH, амонячен азот (AN) и суспендирани твърди вещества (SS). Анализът на качеството на водата е важен компонент от управлението на водните ресурси и трябва да се управлява правилно, за да се предотвратят екологични щети от замърсяване и да се гарантира спазването на екологичните разпоредби. Това увеличава необходимостта от определяне на ефективни методи за анализ. Едно от основните предизвикателства на съвременните изчисления е, че те изискват серия от отнемащи време, сложни и податливи на грешки изчисления на подиндекси. Освен това WQI не може да се изчисли, ако липсват един или повече параметри за качество на водата. В това проучване е разработен метод за оптимизация на WQI за сложността на текущия процес. Разработен и проучен е потенциалът на моделирането, основано на данни, а именно Nu-Radial basis function support vector machine (SVM), базиран на 10x кръстосана валидация, за подобряване на прогнозирането на WQI в басейна на река Лангат. Извършен е цялостен анализ на чувствителността при шест сценария, за да се определи ефективността на модела при прогнозиране на WQI. В първия случай моделът SVM-WQI показа отлична способност за възпроизвеждане на DOE-WQI и получи много високи нива на статистически резултати (коефициент на корелация r > 0.95, ефективност на Nash Sutcliffe, NSE >0.88, индекс на консистентност на Willmott, WI > 0.96). Във втория сценарий процесът на моделиране показва, че WQI може да се оцени без шест параметъра. По този начин параметърът DO е най-важният фактор при определяне на WQI. pH има най-малък ефект върху WQI. Освен това, сценарии от 3 до 6 показват ефективността на модела по отношение на време и разходи чрез минимизиране на броя на променливите във входната комбинация на модела (r > 0.6, NSE >0.5 (добро), WI > 0.7 (много добро)). Взети заедно, моделът значително ще подобри и ускори вземането на решения, основани на данни, в управлението на качеството на водата, правейки данните по-достъпни и ангажиращи без човешка намеса.
1 Въведение
Терминът „замърсяване на водите“ се отнася до замърсяването на няколко вида води, включително повърхностни води (океани, езера и реки) и подземни води. Значителен фактор за нарастването на този проблем е, че замърсителите не се третират адекватно, преди да бъдат изпуснати директно или индиректно във водните басейни. Промените в качеството на водата имат значително въздействие не само върху морската среда, но и върху наличието на прясна вода за обществено водоснабдяване и селско стопанство. В развиващите се страни бързият икономически растеж е често срещан и всеки проект, който насърчава този растеж, може да бъде вреден за околната среда. За дългосрочното управление на водните ресурси и защитата на хората и околната среда, мониторингът и оценката на качеството на водата са от съществено значение. Индексът за качество на водата, известен още като WQI, се извлича от данни за качеството на водата и се използва за определяне на текущото състояние на качеството на речните води. При оценката на степента на промяна в качеството на водата трябва да се вземат предвид много променливи. WQI е индекс без измерение. Той се състои от специфични параметри за качеството на водата. WQI предоставя метод за класифициране на качеството на исторически и настоящи водни басейни. Значимата стойност на WQI може да повлияе на решенията и действията на вземащите решения. По скала от 1 до 100, колкото по-висок е индексът, толкова по-добро е качеството на водата. Като цяло, качеството на водата в речните станции с оценка 80 и повече отговаря на стандартите за чисти реки. Стойност на WQI под 40 се счита за замърсена, докато стойност на WQI между 40 и 80 показва, че качеството на водата наистина е леко замърсено.
Като цяло, изчисляването на WQI изисква набор от трансформации на подиндекси, които са дълги, сложни и податливи на грешки. Съществуват сложни нелинейни взаимодействия между WQI и други параметри за качеството на водата. Изчисляването на WQI може да бъде трудно и да отнеме много време, тъй като различните WQI използват различни формули, което може да доведе до грешки. Едно от основните предизвикателства е, че е невъзможно да се изчисли формулата за WQI, ако липсват един или повече параметри за качеството на водата. Освен това, някои стандарти изискват отнемащи време и изчерпателни процедури за събиране на проби, които трябва да се извършват от обучени специалисти, за да се гарантира точно изследване на пробите и показване на резултатите. Въпреки подобренията в технологиите и оборудването, обширният времеви и пространствен мониторинг на качеството на речните води е възпрепятстван от високите оперативни и управленски разходи.
Тази дискусия показва, че няма глобален подход към WQI. Това повдига необходимостта от разработване на алтернативни методи за изчисляване на WQI по изчислително ефективен и точен начин. Такива подобрения могат да бъдат полезни за мениджърите на екологични ресурси, за да наблюдават и оценяват качеството на речните води. В този контекст някои изследователи успешно са използвали изкуствен интелект за прогнозиране на WQI; моделирането на машинно обучение, базирано на изкуствен интелект, избягва изчисляването на подиндекси и бързо генерира резултати за WQI. Алгоритмите за машинно обучение, базирани на изкуствен интелект, набират популярност поради своята нелинейна архитектура, способността за прогнозиране на сложни събития, способността за управление на големи набори от данни, включително данни с различни размери, и нечувствителността към непълни данни. Тяхната предсказваща сила зависи изцяло от метода и прецизността на събиране и обработка на данни.
Време на публикуване: 21 ноември 2024 г.