Sa loob ng 25 taon, ang Kagawaran ng Kapaligiran (DOE) ng Malaysia ay nagpatupad ng Water Quality Index (WQI) na gumagamit ng anim na pangunahing parametro ng kalidad ng tubig: dissolved oxygen (DO), Biochemical Oxygen Demand (BOD), Chemical Oxygen Demand (COD), pH, ammonia nitrogen (AN) at suspended solids (SS). Ang pagsusuri ng kalidad ng tubig ay isang mahalagang bahagi ng pamamahala ng yamang-tubig at dapat na maayos na pamahalaan upang maiwasan ang pinsala sa ekolohiya mula sa polusyon at matiyak ang pagsunod sa mga regulasyon sa kapaligiran. Pinapataas nito ang pangangailangang tukuyin ang mga epektibong pamamaraan para sa pagsusuri. Isa sa mga pangunahing hamon ng kasalukuyang pag-compute ay ang pangangailangan nito ng isang serye ng mga kalkulasyon ng subindex na matagal, kumplikado, at madaling magkamali. Bilang karagdagan, hindi maaaring kalkulahin ang WQI kung may isa o higit pang mga parametro ng kalidad ng tubig na nawawala. Sa pag-aaral na ito, isang paraan ng pag-optimize ng WQI ang binuo para sa pagiging kumplikado ng kasalukuyang proseso. Ang potensyal ng data-driven modeling, katulad ng Nu-Radial basis function support vector machine (SVM) batay sa 10x cross-validation, ay binuo at sinuri upang mapabuti ang prediksyon ng WQI sa Langat basin. Isang komprehensibong pagsusuri ng sensitivity ang isinagawa sa ilalim ng anim na senaryo upang matukoy ang kahusayan ng modelo sa prediksyon ng WQI. Sa unang kaso, ang modelong SVM-WQI ay nagpakita ng mahusay na kakayahang kopyahin ang DOE-WQI at nakakuha ng napakataas na antas ng mga resultang istatistikal (correlation coefficient r > 0.95, Nash Sutcliffe efficiency, NSE >0.88, Willmott's consistency index, WI > 0.96). Sa pangalawang senaryo, ipinapakita ng proseso ng pagmomodelo na maaaring tantyahin ang WQI nang walang anim na parameter. Kaya, ang parameter ng DO ang pinakamahalagang salik sa pagtukoy ng WQI. Ang pH ang may pinakamaliit na epekto sa WQI. Bukod pa rito, ipinapakita ng mga senaryo 3 hanggang 6 ang kahusayan ng modelo sa mga tuntunin ng oras at gastos sa pamamagitan ng pagliit ng bilang ng mga baryabol sa kombinasyon ng input ng modelo (r > 0.6, NSE >0.5 (mabuti), WI > 0.7 (napakabuti)). Kung pagsasama-samahin, lubos na mapapabuti at mapapabilis ng modelo ang paggawa ng desisyon batay sa datos sa pamamahala ng kalidad ng tubig, na gagawing mas madaling ma-access at nakakaengganyo ang datos nang walang interbensyon ng tao.
1 Panimula
Ang terminong "polusyon sa tubig" ay tumutukoy sa polusyon ng ilang uri ng tubig, kabilang ang tubig sa ibabaw (karagatan, lawa, at ilog) at tubig sa lupa. Ang isang mahalagang salik sa paglaki ng problemang ito ay ang mga pollutant na hindi sapat na ginagamot bago direktang o hindi direktang ilabas sa mga anyong tubig. Ang mga pagbabago sa kalidad ng tubig ay may malaking epekto hindi lamang sa kapaligirang dagat, kundi pati na rin sa pagkakaroon ng tubig-tabang para sa mga pampublikong suplay ng tubig at agrikultura. Sa mga umuunlad na bansa, karaniwan ang mabilis na paglago ng ekonomiya, at bawat proyektong nagtataguyod ng paglagong ito ay maaaring makasama sa kapaligiran. Para sa pangmatagalang pamamahala ng mga yamang tubig at proteksyon ng mga tao at kapaligiran, mahalaga ang pagsubaybay at pagtatasa ng kalidad ng tubig. Ang Water Quality Index, na kilala rin bilang WQI, ay hango sa datos ng kalidad ng tubig at ginagamit upang matukoy ang kasalukuyang kalagayan ng kalidad ng tubig sa ilog. Sa pagtatasa ng antas ng pagbabago sa kalidad ng tubig, maraming baryabol ang dapat isaalang-alang. Ang WQI ay isang indeks na walang anumang dimensyon. Binubuo ito ng mga partikular na parameter ng kalidad ng tubig. Ang WQI ay nagbibigay ng isang paraan para sa pag-uuri ng kalidad ng mga naunang at kasalukuyang anyong tubig. Ang makabuluhang halaga ng WQI ay maaaring makaimpluwensya sa mga desisyon at aksyon ng mga gumagawa ng desisyon. Sa iskala mula 1 hanggang 100, mas mataas ang indeks, mas mabuti ang kalidad ng tubig. Sa pangkalahatan, ang kalidad ng tubig ng mga istasyon ng ilog na may mga markang 80 pataas ay nakakatugon sa mga pamantayan para sa malilinis na ilog. Ang halaga ng WQI na mas mababa sa 40 ay itinuturing na kontaminado, habang ang halaga ng WQI sa pagitan ng 40 at 80 ay nagpapahiwatig na ang kalidad ng tubig ay talagang bahagyang kontaminado.
Sa pangkalahatan, ang pagkalkula ng WQI ay nangangailangan ng isang hanay ng mga subindex transformation na mahaba, kumplikado, at madaling magkamali. May mga kumplikadong nonlinear na interaksyon sa pagitan ng WQI at iba pang mga parameter ng kalidad ng tubig. Ang pagkalkula ng mga WQI ay maaaring maging mahirap at matagal dahil ang iba't ibang WQI ay gumagamit ng iba't ibang formula, na maaaring humantong sa mga error. Isang malaking hamon ay imposibleng kalkulahin ang formula para sa WQI kung may isa o higit pang mga parameter ng kalidad ng tubig na nawawala. Bilang karagdagan, ang ilang mga pamantayan ay nangangailangan ng matagal at masusing mga pamamaraan sa pagkolekta ng sample na dapat isagawa ng mga sinanay na propesyonal upang matiyak ang tumpak na pagsusuri ng mga sample at pagpapakita ng mga resulta. Sa kabila ng mga pagpapabuti sa teknolohiya at kagamitan, ang malawak na temporal at spatial na pagsubaybay sa kalidad ng tubig ng ilog ay nahahadlangan ng mataas na gastos sa operasyon at pamamahala.
Ipinapakita ng talakayang ito na walang pandaigdigang pamamaraan sa WQI. Itinataas nito ang pangangailangang bumuo ng mga alternatibong pamamaraan para sa pagkalkula ng WQI sa isang mahusay at tumpak na paraan sa pagkalkula. Ang mga ganitong pagpapabuti ay maaaring maging kapaki-pakinabang para sa mga tagapamahala ng mapagkukunang pangkalikasan upang masubaybayan at masuri ang kalidad ng tubig sa ilog. Sa kontekstong ito, matagumpay na ginamit ng ilang mananaliksik ang AI upang mahulaan ang WQI; Iniiwasan ng Ai-based machine learning modeling ang pagkalkula ng sub-index at mabilis na bumubuo ng mga resulta ng WQI. Ang mga algorithm ng ai-based machine learning ay nagiging popular dahil sa kanilang non-linear na arkitektura, kakayahang mahulaan ang mga kumplikadong kaganapan, kakayahang pamahalaan ang malalaking set ng data kabilang ang data na may iba't ibang laki, at kawalan ng sensitibo sa hindi kumpletong data. Ang kanilang kapangyarihang mahulaan ay lubos na nakasalalay sa pamamaraan at katumpakan ng pagkolekta at pagproseso ng data.
Oras ng pag-post: Nob-21-2024