Malaisia keskkonnaministeerium (DOE) on 25 aasta jooksul rakendanud veekvaliteedi indeksit (WQI), mis kasutab kuut peamist veekvaliteedi parameetrit: lahustunud hapnik (DO), biokeemiline hapnikutarve (BOD), keemiline hapnikutarve (COD), pH, ammooniumlämmastik (AN) ja hõljuvained (SS). Veekvaliteedi analüüs on veevarude haldamise oluline komponent ja seda tuleb nõuetekohaselt hallata, et vältida reostusest tulenevat ökoloogilist kahju ja tagada keskkonnaalaste eeskirjade järgimine. See suurendab vajadust määratleda tõhusad analüüsimeetodid. Üks praeguse arvutiteaduse peamisi väljakutseid on see, et see nõuab aeganõudvaid, keerulisi ja veaohtlikke alamindeksi arvutusi. Lisaks ei saa WQI-d arvutada, kui üks või mitu veekvaliteedi parameetrit puuduvad. Selles uuringus töötatakse välja WQI optimeerimismeetod praeguse protsessi keerukuse jaoks. Langati vesikonnas WQI ennustamise parandamiseks töötati välja ja uuriti andmepõhise modelleerimise, nimelt 10-kordsel ristvalideerimisel põhineva Nu-Radial baasfunktsioonide tugivektorimasina (SVM), potentsiaali. Mudeli efektiivsuse määramiseks veekvaliteedi indeks (WQI) ennustamisel viidi läbi põhjalik tundlikkusanalüüs kuue stsenaariumi korral. Esimesel juhul näitas SVM-WQI mudel suurepärast võimet DOE-WQI korrata ja saavutas väga kõrgetasemelisi statistilisi tulemusi (korrelatsioonikordaja r > 0,95, Nash Sutcliffe'i efektiivsus, NSE > 0,88, Willmotti konsistentsiindeks, WI > 0,96). Teises stsenaariumis näitab modelleerimisprotsess, et WQI-d saab hinnata ilma kuue parameetrita. Seega on DO parameeter WQI määramisel kõige olulisem tegur. pH-l on WQI-le kõige väiksem mõju. Lisaks näitavad stsenaariumid 3 kuni 6 mudeli efektiivsust aja ja kulude osas, minimeerides muutujate arvu mudeli sisendkombinatsioonis (r > 0,6, NSE > 0,5 (hea), WI > 0,7 (väga hea)). Kokkuvõttes parandab ja kiirendab mudel oluliselt andmepõhist otsuste tegemist veekvaliteedi haldamisel, muutes andmed kättesaadavamaks ja kaasavamaks ilma inimese sekkumiseta.
1 Sissejuhatus
Mõiste „veereostus” viitab mitut tüüpi vee, sealhulgas pinnavee (ookeanid, järved ja jõed) ja põhjavee reostusele. Selle probleemi süvenemise oluline tegur on see, et saasteaineid ei töödelda enne otsest või kaudset veekogudesse laskmist piisavalt. Vee kvaliteedi muutused avaldavad olulist mõju mitte ainult merekeskkonnale, vaid ka magevee kättesaadavusele avalike veevarustuste ja põllumajanduse jaoks. Arengumaades on kiire majanduskasv tavaline ja iga projekt, mis seda kasvu soodustab, võib olla keskkonnale kahjulik. Veevarude pikaajaliseks haldamiseks ning inimeste ja keskkonna kaitsmiseks on vee kvaliteedi jälgimine ja hindamine hädavajalik. Vee kvaliteedi indeks, tuntud ka kui WQI, tuletatakse vee kvaliteedi andmetest ja seda kasutatakse jõevee kvaliteedi praeguse seisundi määramiseks. Vee kvaliteedi muutuse ulatuse hindamisel tuleb arvestada paljude muutujatega. WQI on indeks ilma dimensioonita. See koosneb spetsiifilistest vee kvaliteedi parameetritest. WQI pakub meetodit ajalooliste ja praeguste veekogude kvaliteedi klassifitseerimiseks. WQI oluline väärtus võib mõjutada otsustajate otsuseid ja tegevusi. Skaalal 1 kuni 100, mida kõrgem on indeks, seda parem on vee kvaliteet. Üldiselt vastab jõejaamade vee kvaliteet skooriga 80 ja üle selle puhaste jõgede standarditele. WQI väärtus alla 40 loetakse saastatuks, samas kui WQI väärtus vahemikus 40 kuni 80 näitab, et vee kvaliteet on tõepoolest kergelt saastunud.
Üldiselt nõuab vee kvaliteediindeksi (WQI) arvutamine rea pikki, keerulisi ja veaohtlikke alamindeksite teisendusi. Vee kvaliteediindeksi (WQI) ja teiste vee kvaliteedi parameetrite vahel on keerulised mittelineaarsed interaktsioonid. Vee kvaliteediindeksite arvutamine võib olla keeruline ja võtta kaua aega, kuna erinevad vee kvaliteediindeksid kasutavad erinevaid valemeid, mis võib viia vigadeni. Üks suur väljakutse on see, et vee kvaliteediindeksi valemit on võimatu arvutada, kui üks või mitu vee kvaliteedi parameetrit puudub. Lisaks nõuavad mõned standardid aeganõudvaid ja põhjalikke proovide kogumise protseduure, mida peavad läbi viima koolitatud spetsialistid, et tagada proovide täpne uurimine ja tulemuste kuvamine. Vaatamata tehnoloogia ja seadmete täiustustele on ulatuslikku ajalist ja ruumilist jõevee kvaliteedi seiret takistanud suured tegevus- ja halduskulud.
See arutelu näitab, et vee kvaliteediindeks (WQI) jaoks puudub globaalne lähenemisviis. See tõstatab vajaduse töötada välja alternatiivsed meetodid WQI arvutamiseks arvutuslikult tõhusal ja täpsel viisil. Sellised täiustused võivad olla kasulikud keskkonnaressursside haldajatele jõgede vee kvaliteedi jälgimiseks ja hindamiseks. Selles kontekstis on mõned teadlased edukalt kasutanud tehisintellekti WQI ennustamiseks; tehisintellektil põhinev masinõppe modelleerimine väldib alamindeksite arvutamist ja genereerib kiiresti WQI tulemusi. Tehisintellektil põhinevad masinõppe algoritmid on populaarsust kogumas tänu oma mittelineaarsele arhitektuurile, võimele ennustada keerulisi sündmusi, võimele hallata suuri andmekogumeid, mis sisaldavad erineva suurusega andmeid, ja tundetusele mittetäielike andmete suhtes. Nende ennustusvõime sõltub täielikult andmete kogumise ja töötlemise meetodist ja täpsusest.
Postituse aeg: 21. november 2024