В течение 25 лет Департамент окружающей среды Малайзии (DOE) внедрял индекс качества воды (WQI), который использует шесть ключевых параметров качества воды: растворенный кислород (DO), биохимическое потребление кислорода (БПК), химическое потребление кислорода (ХПК), pH, аммиачный азот (AN) и взвешенные твердые частицы (SS). Анализ качества воды является важным компонентом управления водными ресурсами и должен осуществляться надлежащим образом, чтобы предотвратить экологический ущерб от загрязнения и обеспечить соблюдение экологических норм. Это увеличивает необходимость определения эффективных методов анализа. Одна из основных проблем современных вычислений заключается в том, что они требуют ряда трудоемких, сложных и подверженных ошибкам расчетов подиндексов. Кроме того, WQI невозможно рассчитать, если отсутствует один или несколько параметров качества воды. В данном исследовании разработан метод оптимизации WQI с учетом сложности текущего процесса. Потенциал моделирования на основе данных, а именно машина опорных векторов Nu-Radial базисной функции (SVM) на основе 10-кратной кросс-валидации, был разработан и исследован для улучшения прогнозирования WQI в бассейне Лангата. Был проведен всесторонний анализ чувствительности по шести сценариям, чтобы определить эффективность модели в прогнозировании WQI. В первом случае модель SVM-WQI показала превосходную способность реплицировать DOE-WQI и получила очень высокие уровни статистических результатов (коэффициент корреляции r > 0,95, эффективность Нэша-Сатклиффа, NSE > 0,88, индекс согласованности Уиллмотта, WI > 0,96). Во втором сценарии процесс моделирования показывает, что WQI можно оценить без шести параметров. Таким образом, параметр DO является наиболее важным фактором в определении WQI. pH оказывает наименьшее влияние на WQI. Кроме того, сценарии 3–6 демонстрируют эффективность модели с точки зрения времени и затрат за счёт минимизации количества переменных в комбинации входных данных модели (r > 0,6, NSE > 0,5 (хорошо), WI > 0,7 (очень хорошо)). В совокупности модель значительно улучшит и ускорит принятие решений на основе данных в области управления качеством воды, сделав данные более доступными и интересными без вмешательства человека.
1 Введение
Термин «загрязнение воды» относится к загрязнению различных типов вод, включая поверхностные воды (океаны, озера и реки) и грунтовые воды. Важным фактором, способствующим обострению этой проблемы, является отсутствие должной очистки загрязняющих веществ перед их прямым или косвенным сбросом в водоемы. Изменение качества воды оказывает значительное влияние не только на морскую среду, но и на доступность пресной воды для общественного водоснабжения и сельского хозяйства. В развивающихся странах наблюдается быстрый экономический рост, и любой проект, способствующий этому росту, может быть вреден для окружающей среды. Мониторинг и оценка качества воды имеют решающее значение для долгосрочного управления водными ресурсами и защиты людей и окружающей среды. Индекс качества воды (WQI) рассчитывается на основе данных о качестве воды и используется для определения текущего состояния качества речной воды. При оценке степени изменения качества воды необходимо учитывать множество переменных. WQI – это индекс без размерности. Он состоит из конкретных параметров качества воды. WQI предоставляет метод классификации качества исторических и современных водоемов. Значимое значение индекса качества воды (WQI) может влиять на решения и действия лиц, принимающих решения. По шкале от 1 до 100, чем выше индекс, тем лучше качество воды. В целом, качество воды на речных станциях с баллами 80 и выше соответствует стандартам чистоты рек. Значение WQI ниже 40 считается загрязненным, тогда как значение WQI от 40 до 80 указывает на то, что качество воды действительно незначительно загрязнено.
В целом, для расчета показателя качества воды (WQI) требуется набор преобразований подындексов, которые являются длительными, сложными и подвержены ошибкам. Существуют сложные нелинейные взаимодействия между WQI и другими параметрами качества воды. Расчет WQI может быть трудным и занимать много времени, поскольку разные WQI используют разные формулы, что может приводить к ошибкам. Одной из основных проблем является невозможность расчета формулы для WQI, если отсутствует один или несколько параметров качества воды. Кроме того, некоторые стандарты требуют трудоемких и изнурительных процедур сбора проб, которые должны выполняться квалифицированными специалистами для обеспечения точного анализа проб и отображения результатов. Несмотря на совершенствование технологий и оборудования, обширный временной и пространственный мониторинг качества речной воды затрудняется высокими эксплуатационными и управленческими расходами.
Данное обсуждение показывает, что не существует глобального подхода к оценке качества воды (WQI). Это вызывает необходимость разработки альтернативных методов расчета WQI, эффективных и точных с точки зрения вычислительной эффективности. Такие усовершенствования могут быть полезны специалистам по управлению экологическими ресурсами для мониторинга и оценки качества речной воды. В этом контексте некоторые исследователи успешно использовали ИИ для прогнозирования WQI; моделирование машинного обучения на основе ИИ позволяет избежать расчета субиндексов и быстро получать результаты WQI. Алгоритмы машинного обучения на основе ИИ набирают популярность благодаря своей нелинейной архитектуре, способности предсказывать сложные события, способности управлять большими наборами данных, включая данные различного размера, и нечувствительности к неполным данным. Их предсказательная сила полностью зависит от метода и точности сбора и обработки данных.
Время публикации: 21 ноября 2024 г.