Ջրի որակի ինդեքսի կանխատեսման բարելավում՝ օգտագործելով զգայունության վերլուծությամբ օժանդակ վեկտորային մեքենա

25 տարի շարունակ Մալայզիայի շրջակա միջավայրի նախարարությունը (DOE) ներդրել է ջրի որակի ինդեքս (WQI), որն օգտագործում է ջրի որակի վեց հիմնական պարամետրեր՝ լուծված թթվածին (DO), կենսաքիմիական թթվածնի պահանջարկ (BOD), քիմիական թթվածնի պահանջարկ (COD), pH, ամոնիակային ազոտ (AN) և կախված պինդ նյութեր (SS): Ջրի որակի վերլուծությունը ջրային ռեսուրսների կառավարման կարևոր բաղադրիչ է և պետք է պատշաճ կերպով կառավարվի՝ աղտոտումից էկոլոգիական վնասը կանխելու և շրջակա միջավայրի կանոնակարգերին համապատասխանությունն ապահովելու համար: Սա մեծացնում է վերլուծության արդյունավետ մեթոդներ սահմանելու անհրաժեշտությունը: Ժամանակակից հաշվարկների հիմնական մարտահրավերներից մեկն այն է, որ այն պահանջում է ժամանակատար, բարդ և սխալների հակված ենթաինդեքսների մի շարք հաշվարկներ: Բացի այդ, WQI-ն չի կարող հաշվարկվել, եթե բացակայում են մեկ կամ մի քանի ջրի որակի պարամետրեր: Այս ուսումնասիրության մեջ մշակվել է WQI-ի օպտիմալացման մեթոդ՝ ներկայիս գործընթացի բարդության համար: Մշակվել և ուսումնասիրվել է տվյալների վրա հիմնված մոդելավորման ներուժը, մասնավորապես՝ Nu-Radial բազային ֆունկցիայի աջակցող վեկտորային մեքենան (SVM), որը հիմնված է 10x խաչաձև վավերացման վրա,՝ WQI-ի կանխատեսումը բարելավելու համար: WQI կանխատեսման մեջ մոդելի արդյունավետությունը որոշելու համար իրականացվել է համապարփակ զգայունության վերլուծություն վեց սցենարների ներքո: Առաջին դեպքում SVM-WQI մոդելը ցույց է տվել DOE-WQI-ը կրկնօրինակելու գերազանց ունակություն և ստացել է վիճակագրական արդյունքների շատ բարձր մակարդակներ (կորելացիայի գործակից r > 0.95, Նեշ Սաթքլիֆի արդյունավետություն, NSE >0.88, Ուիլմոտի համապատասխանության ինդեքս, WI > 0.96): Երկրորդ սցենարում մոդելավորման գործընթացը ցույց է տալիս, որ WQI-ն կարող է գնահատվել առանց վեց պարամետրերի: Այսպիսով, DO պարամետրը WQI-ը որոշելու ամենակարևոր գործոնն է: pH-ն ամենաքիչ ազդեցությունն ունի WQI-ի վրա: Բացի այդ, 3-ից 6 սցենարները ցույց են տալիս մոդելի արդյունավետությունը ժամանակի և ծախսերի առումով՝ նվազագույնի հասցնելով մոդելի մուտքային համակցության մեջ փոփոխականների քանակը (r > 0.6, NSE >0.5 (լավ), WI > 0.7 (շատ լավ)): Միասին վերցրած՝ մոդելը զգալիորեն կբարելավի և կարագացնի ջրի որակի կառավարման ոլորտում տվյալների վրա հիմնված որոշումների կայացումը՝ տվյալները դարձնելով ավելի մատչելի և գրավիչ՝ առանց մարդկային միջամտության:

1 Ներածություն

«Ջրի աղտոտում» տերմինը վերաբերում է մի քանի տեսակի ջրերի աղտոտմանը, այդ թվում՝ մակերեսային ջրերի (օվկիանոսներ, լճեր և գետեր) և ստորգետնյա ջրերի: Այս խնդրի աճի էական գործոնն այն է, որ աղտոտիչները բավարար չափով չեն մաքրվում, նախքան ջրային մարմիններ ուղղակիորեն կամ անուղղակիորեն արտանետվելը: Ջրի որակի փոփոխությունները էական ազդեցություն ունեն ոչ միայն ծովային միջավայրի, այլև հանրային ջրամատակարարման և գյուղատնտեսության համար քաղցրահամ ջրի մատչելիության վրա: Զարգացող երկրներում արագ տնտեսական աճը տարածված է, և այս աճը խթանող յուրաքանչյուր նախագիծ կարող է վնասակար լինել շրջակա միջավայրի համար: Ջրային ռեսուրսների երկարաժամկետ կառավարման և մարդկանց ու շրջակա միջավայրի պաշտպանության համար կարևոր է ջրի որակի մոնիթորինգը և գնահատումը: Ջրի որակի ինդեքսը, որը հայտնի է նաև որպես WQI, ստացվում է ջրի որակի տվյալներից և օգտագործվում է գետերի ջրի որակի ներկայիս վիճակը որոշելու համար: Ջրի որակի փոփոխության աստիճանը գնահատելիս պետք է հաշվի առնել բազմաթիվ փոփոխականներ: WQI-ն որևէ չափում չունեցող ինդեքս է: Այն բաղկացած է ջրի որակի որոշակի պարամետրերից: WQI-ն մեթոդ է պատմական և ներկայիս ջրային մարմինների որակը դասակարգելու համար: WQI-ի իմաստալից արժեքը կարող է ազդել որոշում կայացնողների որոշումների և գործողությունների վրա: 1-ից 100 սանդղակով, որքան բարձր է ինդեքսը, այնքան ավելի լավ է ջրի որակը: Ընդհանուր առմամբ, գետային կայանների ջրի որակը, որոնք ունեն 80 և ավելի միավոր, համապատասխանում է մաքուր գետերի չափանիշներին: 40-ից ցածր WQI արժեքը համարվում է աղտոտված, մինչդեռ 40-ից 80-ի միջև WQI արժեքը ցույց է տալիս, որ ջրի որակը իսկապես թեթևակի աղտոտված է:

Ընդհանուր առմամբ, Ջրային որակի ցուցանիշի (ՋՋԻ) հաշվարկը պահանջում է ենթաինդեքսների մի շարք, որոնք երկարատև, բարդ և սխալների հակված են: ՋՋԻ-ի և ջրի որակի այլ պարամետրերի միջև կան բարդ ոչ գծային փոխազդեցություններ: ՋՋԻ-ների հաշվարկը կարող է դժվար լինել և երկար ժամանակ պահանջել, քանի որ տարբեր ՋՋԻ-ներ օգտագործում են տարբեր բանաձևեր, ինչը կարող է հանգեցնել սխալների: Հիմնական մարտահրավերներից մեկն այն է, որ անհնար է հաշվարկել ՋՋԻ-ի բանաձևը, եթե բացակայում են մեկ կամ մի քանի ջրի որակի պարամետրեր: Բացի այդ, որոշ ստանդարտներ պահանջում են ժամանակատար, սպառիչ նմուշների հավաքման ընթացակարգեր, որոնք պետք է իրականացվեն որակավորված մասնագետների կողմից՝ նմուշների ճշգրիտ ուսումնասիրությունը և արդյունքների ցուցադրումը երաշխավորելու համար: Տեխնոլոգիայի և սարքավորումների կատարելագործմանը չնայած, գետի ջրի որակի լայնածավալ ժամանակային և տարածական մոնիթորինգը խոչընդոտվել է շահագործման և կառավարման բարձր ծախսերի պատճառով:

Այս քննարկումը ցույց է տալիս, որ Համաշխարհային որակի ցուցանիշի (WQI) նկատմամբ գլոբալ մոտեցում չկա: Սա առաջացնում է WQI-ը հաշվարկային առումով արդյունավետ և ճշգրիտ եղանակով հաշվարկելու այլընտրանքային մեթոդներ մշակելու անհրաժեշտություն: Նման բարելավումները կարող են օգտակար լինել շրջակա միջավայրի ռեսուրսների կառավարիչների համար՝ գետի ջրի որակը վերահսկելու և գնահատելու համար: Այս համատեքստում որոշ հետազոտողներ հաջողությամբ օգտագործել են արհեստական բանականությունը (AI)՝ WQI-ը կանխատեսելու համար. արհեստական բանականության վրա հիմնված մեքենայական ուսուցման մոդելավորումը խուսափում է ենթաինդեքսների հաշվարկից և արագորեն ստեղծում է WQI արդյունքներ: Արհեստական բանականության վրա հիմնված մեքենայական ուսուցման ալգորիթմները ժողովրդականություն են ձեռք բերում իրենց ոչ գծային ճարտարապետության, բարդ իրադարձությունները կանխատեսելու ունակության, տարբեր չափերի տվյալներ ներառող մեծ տվյալների հավաքածուներ կառավարելու ունակության և թերի տվյալների նկատմամբ անզգայունության շնորհիվ: Դրանց կանխատեսողական հզորությունը ամբողջությամբ կախված է տվյալների հավաքագրման և մշակման մեթոդից և ճշգրտությունից: