Vir 25 jaar het Maleisië se Departement van Omgewing (DOE) 'n Waterkwaliteitsindeks (WQI) geïmplementeer wat ses sleutelwaterkwaliteitsparameters gebruik: opgeloste suurstof (DO), Biochemiese Suurstofvraag (BOD), Chemiese Suurstofvraag (COD), pH, ammoniakstikstof (AN) en gesuspendeerde vaste stowwe (SS). Waterkwaliteitsanalise is 'n belangrike komponent van waterhulpbronbestuur en moet behoorlik bestuur word om ekologiese skade as gevolg van besoedeling te voorkom en voldoening aan omgewingsregulasies te verseker. Dit verhoog die behoefte om effektiewe metodes vir analise te definieer. Een van die grootste uitdagings van huidige rekenaarkunde is dat dit 'n reeks tydrowende, komplekse en foutgevoelige subindeksberekeninge vereis. Daarbenewens kan WQI nie bereken word as een of meer waterkwaliteitsparameters ontbreek nie. In hierdie studie word 'n optimaliseringsmetode van WQI ontwikkel vir die kompleksiteit van die huidige proses. Die potensiaal van datagedrewe modellering, naamlik Nu-Radial basisfunksieondersteuningsvektormasjien (SVM) gebaseer op 10x kruisvalidering, is ontwikkel en ondersoek om die voorspelling van WQI in die Langat-kom te verbeter. 'n Omvattende sensitiwiteitsanalise is onder ses scenario's uitgevoer om die doeltreffendheid van die model in WQI-voorspelling te bepaal. In die eerste geval het die model SVM-WQI uitstekende vermoë getoon om DOE-WQI te repliseer en baie hoë vlakke van statistiese resultate verkry (korrelasiekoëffisiënt r > 0.95, Nash Sutcliffe-doeltreffendheid, NSE > 0.88, Willmott se konsekwentheidsindeks, WI > 0.96). In die tweede scenario toon die modelleringsproses dat WQI sonder ses parameters geskat kan word. Dus is die DO-parameter die belangrikste faktor in die bepaling van WQI. pH het die minste effek op WQI. Daarbenewens toon scenario's 3 tot 6 die doeltreffendheid van die model in terme van tyd en koste deur die aantal veranderlikes in die model-insetkombinasie te minimaliseer (r > 0.6, NSE > 0.5 (goed), WI > 0.7 (baie goed)). Saamgevat sal die model datagedrewe besluitneming in watergehaltebestuur aansienlik verbeter en versnel, wat data meer toeganklik en boeiend maak sonder menslike ingryping.
1 Inleiding
Die term "waterbesoedeling" verwys na die besoedeling van verskeie soorte water, insluitend oppervlakwater (oseane, mere en riviere) en grondwater. 'n Belangrike faktor in die groei van hierdie probleem is dat besoedelingstowwe nie voldoende behandel word voordat dit direk of indirek in waterliggame vrygestel word nie. Veranderinge in watergehalte het 'n beduidende impak nie net op die mariene omgewing nie, maar ook op die beskikbaarheid van vars water vir openbare watervoorrade en landbou. In ontwikkelende lande is vinnige ekonomiese groei algemeen, en elke projek wat hierdie groei bevorder, kan skadelik vir die omgewing wees. Vir die langtermynbestuur van waterbronne en die beskerming van mense en die omgewing, is die monitering en assessering van watergehalte noodsaaklik. Die Watergehalte-indeks, ook bekend as WQI, word afgelei van watergehaltedata en word gebruik om die huidige status van rivierwatergehalte te bepaal. By die beoordeling van die mate van verandering in watergehalte moet baie veranderlikes in ag geneem word. WQI is 'n indeks sonder enige dimensie. Dit bestaan uit spesifieke watergehalteparameters. Die WQI bied 'n metode om die kwaliteit van historiese en huidige waterliggame te klassifiseer. Die betekenisvolle waarde van die WQI kan die besluite en optrede van besluitnemers beïnvloed. Op 'n skaal van 1 tot 100, hoe hoër die indeks, hoe beter die watergehalte. Oor die algemeen voldoen die watergehalte van rivierstasies met tellings van 80 en hoër aan die standaarde vir skoon riviere. 'n WQI-waarde onder 40 word as besoedel beskou, terwyl 'n WQI-waarde tussen 40 en 80 aandui dat die watergehalte inderdaad effens besoedel is.
Oor die algemeen vereis die berekening van WKI 'n stel subindekstransformasies wat lank, kompleks en foutgeneig is. Daar is komplekse nie-lineêre interaksies tussen WKI en ander waterkwaliteitsparameters. Die berekening van WKI's kan moeilik wees en lank neem omdat verskillende WKI's verskillende formules gebruik, wat tot foute kan lei. Een groot uitdaging is dat dit onmoontlik is om die formule vir WKI te bereken as een of meer waterkwaliteitsparameters ontbreek. Daarbenewens vereis sommige standaarde tydrowende, uitputtende monsterversamelingsprosedures wat deur opgeleide professionele persone uitgevoer moet word om akkurate ondersoek van monsters en vertoon van resultate te waarborg. Ten spyte van verbeterings in tegnologie en toerusting, is uitgebreide temporale en ruimtelike rivierwaterkwaliteitsmonitering belemmer deur hoë bedryfs- en bestuurskoste.
Hierdie bespreking toon dat daar geen globale benadering tot WKI is nie. Dit laat die behoefte ontstaan om alternatiewe metodes te ontwikkel vir die berekening van WKI op 'n berekeningsdoeltreffende en akkurate wyse. Sulke verbeterings kan nuttig wees vir omgewingshulpbronbestuurders om rivierwatergehalte te monitor en te assesseer. In hierdie konteks het sommige navorsers KI suksesvol gebruik om WKI te voorspel; KI-gebaseerde masjienleermodellering vermy subindeksberekening en genereer vinnig WKI-resultate. KI-gebaseerde masjienleeralgoritmes word al hoe gewilder as gevolg van hul nie-lineêre argitektuur, vermoë om komplekse gebeure te voorspel, vermoë om groot datastelle te bestuur, insluitend data van verskillende groottes, en ongevoeligheid vir onvolledige data. Hul voorspellingskrag hang geheel en al af van die metode en presisie van data-insameling en -verwerking.
Plasingstyd: 21 Nov 2024