В течение 25 лет Департамент окружающей среды Малайзии (DOE) использует Индекс качества воды (WQI), основанный на шести ключевых параметрах качества воды: растворенный кислород (DO), биохимическое потребление кислорода (BOD), химическое потребление кислорода (COD), pH, аммиачный азот (AN) и взвешенные твердые частицы (SS). Анализ качества воды является важным компонентом управления водными ресурсами и должен проводиться надлежащим образом для предотвращения экологического ущерба от загрязнения и обеспечения соблюдения экологических норм. Это повышает необходимость в разработке эффективных методов анализа. Одна из главных проблем современных вычислительных систем заключается в том, что они требуют ряда трудоемких, сложных и подверженных ошибкам вычислений субиндексов. Кроме того, WQI не может быть рассчитан, если один или несколько параметров качества воды отсутствуют. В данном исследовании разработан метод оптимизации WQI с учетом сложности существующего процесса. Для улучшения прогнозирования индекса качества воды (WQI) в бассейне Лангат был разработан и исследован потенциал моделирования на основе данных, а именно метода опорных векторов (SVM) с базисной функцией Nu-Radial и 10-кратной перекрестной проверкой. Был проведен всесторонний анализ чувствительности в шести сценариях для определения эффективности модели в прогнозировании WQI. В первом случае модель SVM-WQI показала отличную способность воспроизводить DOE-WQI и получила очень высокие статистические результаты (коэффициент корреляции r > 0,95, коэффициент эффективности 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 растворенного кислорода (DO) является наиболее важным фактором при определении WQI. pH оказывает наименьшее влияние на WQI. Кроме того, сценарии с 3 по 6 демонстрируют эффективность модели с точки зрения времени и затрат за счет 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 управлении качеством воды, сделав данные более доступными и привлекательными без участия человека.
1 Введение
Термин «загрязнение воды» относится к загрязнению нескольких типов воды, включая поверхностные воды (океаны, озера и реки) и подземные воды. Значительным фактором, усугубляющим эту проблему, является то, что загрязняющие вещества не подвергаются надлежащей очистке перед прямым или косвенным сбросом в водоемы. Изменения качества воды оказывают существенное влияние не только на морскую среду, но и на доступность пресной воды для общественного водоснабжения и сельского хозяйства. В развивающихся странах быстрый экономический рост является обычным явлением, и любой проект, способствующий этому росту, может нанести вред окружающей среде. Для долгосрочного управления водными ресурсами и защиты населения и окружающей среды мониторинг и оценка качества воды имеют важное значение. Индекс качества воды, также известный как 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 каких-либо измерений. Он состоит из конкретных параметров качества воды. WQI предоставляет метод классификации качества исторических и современных водоемов. Значимые значения индекса качества воды (WQI) могут 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 показателями 80 и выше соответствует стандартам чистоты рек. Значение WQI ниже 40 считается загрязненным, в то время как значение WQI от 40 до 80 указывает на то, что качество воды действительно незначительно загрязнено.
В целом, расчет индекса качества воды (WQI) требует набора преобразований субиндексов, которые являются длительными, сложными и подверженными ошибкам. Между WQI и другими параметрами качества воды существуют сложные нелинейные взаимодействия. Расчет WQI может быть сложным и занимать много времени, поскольку для разных WQI используются разные формулы, что может привести к ошибкам. Одна из основных проблем заключается в том, что невозможно рассчитать формулу для WQI, если один или несколько параметров качества воды отсутствуют. Кроме того, некоторые стандарты требуют трудоемких и исчерпывающих процедур отбора проб, которые должны выполняться квалифицированными специалистами для обеспечения точного анализа проб и отображения результатов. Несмотря на усовершенствования в технологиях и оборудовании, масштабный мониторинг качества речной воды во времени и пространстве затруднен высокими эксплуатационными и управленческими затратами.
Данное обсуждение показывает, что не существует единого глобального подхода к индексу качества воды (WQI). Это поднимает вопрос о необходимости разработки альтернативных методов расчета WQI вычислительно эффективным и точным способом. Такие улучшения могут быть полезны для специалистов по управлению природоохранными ресурсами при мониторинге и оценке качества речной воды. В этом контексте некоторые исследователи успешно использовали ИИ для прогнозирования WQI; моделирование на основе машинного обучения с использованием ИИ позволяет избежать вычисления субиндексов и быстро генерировать результаты WQI. Алгоритмы машинного обучения на основе ИИ приобретают популярность благодаря своей нелинейной архитектуре, способности прогнозировать сложные события, способности обрабатывать большие наборы данных, включая данные различного размера, и нечувствительности к неполным данным. Их прогностическая способность полностью зависит от метода и точности сбора и обработки данных.
Дата публикации: 21 ноября 2024 г.