بهبود پیش‌بینی شاخص کیفیت آب با استفاده از ماشین بردار پشتیبان با تحلیل حساسیت

به مدت 25 سال، وزارت محیط زیست مالزی (DOE) شاخص کیفیت آب (WQI) را اجرا کرده است که از شش پارامتر کلیدی کیفیت آب استفاده می‌کند: اکسیژن محلول (DO)، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، pH، نیتروژن آمونیاکی (AN) و جامدات معلق (SS). تجزیه و تحلیل کیفیت آب جزء مهمی از مدیریت منابع آب است و باید به درستی مدیریت شود تا از آسیب‌های زیست‌محیطی ناشی از آلودگی جلوگیری شود و از رعایت مقررات زیست‌محیطی اطمینان حاصل شود. این امر نیاز به تعریف روش‌های مؤثر برای تجزیه و تحلیل را افزایش می‌دهد. یکی از چالش‌های اصلی محاسبات فعلی این است که به مجموعه‌ای از محاسبات زیرشاخص زمان‌بر، پیچیده و مستعد خطا نیاز دارد. علاوه بر این، اگر یک یا چند پارامتر کیفیت آب وجود نداشته باشد، نمی‌توان WQI را محاسبه کرد. در این مطالعه، یک روش بهینه‌سازی WQI برای پیچیدگی فرآیند فعلی توسعه داده شده است. پتانسیل مدل‌سازی مبتنی بر داده، یعنی ماشین بردار پشتیبان تابع پایه Nu-Radial (SVM) مبتنی بر اعتبارسنجی متقابل 10x، برای بهبود پیش‌بینی WQI در حوضه لانگات توسعه داده و بررسی شد. یک تحلیل حساسیت جامع تحت شش سناریو برای تعیین کارایی مدل در پیش‌بینی WQI انجام شد. در حالت اول، مدل SVM-WQI توانایی بسیار خوبی در تکرار DOE-WQI نشان داد و سطوح بسیار بالایی از نتایج آماری را به دست آورد (ضریب همبستگی r > 0.95، کارایی نش ساتکلیف، NSE > 0.88، شاخص سازگاری ویلموت، WI > 0.96). در سناریوی دوم، فرآیند مدل‌سازی نشان می‌دهد که WQI را می‌توان بدون شش پارامتر تخمین زد. بنابراین، پارامتر DO مهم‌ترین عامل در تعیین WQI است. pH کمترین تأثیر را بر WQI دارد. علاوه بر این، سناریوهای 3 تا 6 با به حداقل رساندن تعداد متغیرها در ترکیب ورودی مدل، کارایی مدل را از نظر زمان و هزینه نشان می‌دهند (r > 0.6، NSE > 0.5 (خوب)، WI > 0.7 (بسیار خوب)). در مجموع، این مدل تصمیم‌گیری مبتنی بر داده را در مدیریت کیفیت آب تا حد زیادی بهبود و تسریع می‌بخشد و داده‌ها را بدون دخالت انسان در دسترس‌تر و جذاب‌تر می‌کند.

۱ مقدمه

اصطلاح «آلودگی آب» به آلودگی انواع مختلف آب، از جمله آب‌های سطحی (اقیانوس‌ها، دریاچه‌ها و رودخانه‌ها) و آب‌های زیرزمینی اشاره دارد. یکی از عوامل مهم در رشد این مشکل این است که آلاینده‌ها قبل از رها شدن مستقیم یا غیرمستقیم در منابع آبی، به طور کافی تصفیه نمی‌شوند. تغییرات در کیفیت آب نه تنها بر محیط زیست دریایی، بلکه بر دسترسی به آب شیرین برای تأمین آب عمومی و کشاورزی نیز تأثیر قابل توجهی دارد. در کشورهای در حال توسعه، رشد سریع اقتصادی رایج است و هر پروژه‌ای که این رشد را تقویت کند، می‌تواند برای محیط زیست مضر باشد. برای مدیریت بلندمدت منابع آب و حفاظت از مردم و محیط زیست، نظارت و ارزیابی کیفیت آب ضروری است. شاخص کیفیت آب، که با نام WQI نیز شناخته می‌شود، از داده‌های کیفیت آب گرفته شده و برای تعیین وضعیت فعلی کیفیت آب رودخانه استفاده می‌شود. در ارزیابی میزان تغییر در کیفیت آب، باید متغیرهای زیادی در نظر گرفته شود. WQI شاخصی بدون هیچ بُعدی است. این شاخص از پارامترهای خاص کیفیت آب تشکیل شده است. WQI روشی برای طبقه‌بندی کیفیت منابع آبی تاریخی و فعلی ارائه می‌دهد. ارزش معنادار WQI می‌تواند بر تصمیمات و اقدامات تصمیم‌گیرندگان تأثیر بگذارد. در مقیاس ۱ تا ۱۰۰، هرچه شاخص بالاتر باشد، کیفیت آب بهتر است. به طور کلی، کیفیت آب ایستگاه‌های رودخانه‌ای با امتیاز ۸۰ و بالاتر، مطابق با استانداردهای رودخانه‌های پاک است. مقدار WQI زیر ۴۰ آلوده در نظر گرفته می‌شود، در حالی که مقدار WQI بین ۴۰ تا ۸۰ نشان می‌دهد که کیفیت آب در واقع کمی آلوده است.

به طور کلی، محاسبه شاخص کیفیت آب (WQI) نیازمند مجموعه‌ای از تبدیل‌های زیرشاخص است که طولانی، پیچیده و مستعد خطا هستند. تعاملات غیرخطی پیچیده‌ای بین شاخص کیفیت آب (WQI) و سایر پارامترهای کیفیت آب وجود دارد. محاسبه شاخص‌های کیفیت آب (WQI) می‌تواند دشوار و زمان‌بر باشد زیرا شاخص‌های کیفیت آب مختلف از فرمول‌های متفاوتی استفاده می‌کنند که می‌تواند منجر به خطا شود. یکی از چالش‌های اصلی این است که اگر یک یا چند پارامتر کیفیت آب وجود نداشته باشد، محاسبه فرمول WQI غیرممکن است. علاوه بر این، برخی از استانداردها نیاز به رویه‌های جمع‌آوری نمونه زمان‌بر و جامع دارند که باید توسط متخصصان آموزش‌دیده انجام شود تا بررسی دقیق نمونه‌ها و نمایش نتایج تضمین شود. علیرغم پیشرفت در فناوری و تجهیزات، نظارت گسترده زمانی و مکانی بر کیفیت آب رودخانه به دلیل هزینه‌های بالای عملیاتی و مدیریتی با مشکل مواجه شده است.

این بحث نشان می‌دهد که هیچ رویکرد جهانی برای شاخص کیفیت آب (WQI) وجود ندارد. این امر نیاز به توسعه روش‌های جایگزین برای محاسبه WQI به شیوه‌ای محاسباتی کارآمد و دقیق را مطرح می‌کند. چنین پیشرفت‌هایی ممکن است برای مدیران منابع محیطی جهت نظارت و ارزیابی کیفیت آب رودخانه مفید باشد. در این زمینه، برخی از محققان با موفقیت از هوش مصنوعی برای پیش‌بینی WQI استفاده کرده‌اند. مدل‌سازی یادگیری ماشین مبتنی بر هوش مصنوعی از محاسبه زیرشاخص اجتناب می‌کند و به سرعت نتایج WQI را تولید می‌کند. الگوریتم‌های یادگیری ماشین مبتنی بر هوش مصنوعی به دلیل معماری غیرخطی، توانایی پیش‌بینی رویدادهای پیچیده، توانایی مدیریت مجموعه داده‌های بزرگ شامل داده‌هایی با اندازه‌های مختلف و عدم حساسیت به داده‌های ناقص، محبوبیت زیادی پیدا می‌کنند. قدرت پیش‌بینی آنها کاملاً به روش و دقت جمع‌آوری و پردازش داده‌ها بستگی دارد.