Dum 25 jaroj, la Malajzia Ministerio pri Medio (DOE) efektivigis Akvokvalitan Indekson (AKI), kiu uzas ses ŝlosilajn akvokvalitajn parametrojn: dissolvita oksigeno (DO), Biokemia Oksigena Postulo (BOD), Kemia Oksigena Postulo (COD), pH, amonia nitrogeno (AN) kaj suspenditaj solidoj (SS). Analizo de akvokvalita estas grava komponanto de akvoresursa administrado kaj devas esti konvene administrata por malhelpi ekologian damaĝon pro poluado kaj certigi plenumon de mediaj regularoj. Ĉi tio pliigas la bezonon difini efikajn metodojn por analizo. Unu el la ĉefaj defioj de nuna komputado estas, ke ĝi postulas serion da tempopostulaj, kompleksaj kaj eraremaj subindeksaj kalkuloj. Krome, AKI ne povas esti kalkulita se mankas unu aŭ pluraj akvokvalitaj parametroj. En ĉi tiu studo, optimumiga metodo de AKI estas evoluigita por la komplekseco de la nuna procezo. La potencialo de daten-movita modelado, nome Nu-Radial baza funkcia subtena vektora maŝino (SVM) bazita sur 10x kruc-validigo, estis evoluigita kaj esplorita por plibonigi la prognozon de AKI en la Langat-baseno. Ampleksa sentema analizo estis farita sub ses scenaroj por determini la efikecon de la modelo en antaŭdiro de akvokvalito (WQI). En la unua kazo, la modelo SVM-WQI montris bonegan kapablon reprodukti DOE-WQI kaj akiris tre altajn nivelojn de statistikaj rezultoj (korelacia koeficiento r > 0.95, Nash-Sutcliffe-efikeco, NSE > 0.88, kohereca indekso de Willmott, WI > 0.96). En la dua scenaro, la modeliga procezo montras, ke WQI povas esti taksita sen ses parametroj. Tiel, la DO-parametro estas la plej grava faktoro por determini WQI. pH havas la malplej da efiko sur WQI. Krome, scenaroj 3 ĝis 6 montras la efikecon de la modelo laŭ tempo kaj kosto minimumigante la nombron de variabloj en la modela eniga kombinaĵo (r > 0.6, NSE > 0.5 (bona), WI > 0.7 (tre bona)). Sume, la modelo multe plibonigos kaj akcelos daten-bazitan decidiĝon en akvokvalita administrado, igante datumojn pli alireblaj kaj engaĝigaj sen homa interveno.
1 Enkonduko
La termino "akvopoluado" rilatas al la poluado de pluraj specoj de akvo, inkluzive de surfaca akvo (oceanoj, lagoj kaj riveroj) kaj grundakvo. Signifa faktoro en la kresko de ĉi tiu problemo estas, ke poluaĵoj ne estas adekvate traktataj antaŭ ol ili estas liberigitaj rekte aŭ nerekte en akvokorpojn. Ŝanĝoj en akvokvalito havas signifan efikon ne nur sur la maran medion, sed ankaŭ sur la haveblecon de dolĉa akvo por publikaj akvoprovizoj kaj agrikulturo. En evolulandoj, rapida ekonomia kresko estas ofta, kaj ĉiu projekto, kiu antaŭenigas ĉi tiun kreskon, povas esti damaĝa al la medio. Por la longdaŭra administrado de akvoresursoj kaj la protekto de homoj kaj la medio, monitorado kaj taksado de akvokvalito estas esencaj. La Akvokvalita Indekso, ankaŭ konata kiel WQI, estas derivita de akvokvalitaj datumoj kaj estas uzata por determini la nunan staton de riverakva kvalito. Taksante la gradon de ŝanĝo en akvokvalito, multaj variabloj devas esti konsiderataj. WQI estas indekso sen ia dimensio. Ĝi konsistas el specifaj akvokvalitaj parametroj. La WQI provizas metodon por klasifiki la kvaliton de historiaj kaj nunaj akvokorpoj. La senchava valoro de la WQI povas influi la decidojn kaj agojn de decidantoj. Sur skalo de 1 ĝis 100, ju pli alta la indekso, des pli bona la akvokvalito. Ĝenerale, la akvokvalito de riverstacioj kun poentaroj de 80 kaj pli plenumas la normojn por puraj riveroj. Akvokvalito-valoro sub 40 estas konsiderata poluita, dum akvokvalito-valoro inter 40 kaj 80 indikas, ke la akvokvalito estas efektive iomete poluita.
Ĝenerale, kalkuli WKI postulas aron da subindeksaj transformoj, kiuj estas longaj, kompleksaj kaj eraremaj. Ekzistas kompleksaj nelinearaj interagoj inter WKI kaj aliaj akvokvalitaj parametroj. Kalkuli WKI-ojn povas esti malfacila kaj daŭri longe, ĉar malsamaj WKI-oj uzas malsamajn formulojn, kio povas konduki al eraroj. Unu grava defio estas, ke ne eblas kalkuli la formulon por WKI se mankas unu aŭ pluraj akvokvalitaj parametroj. Krome, iuj normoj postulas tempopostulajn, ĝisfundajn specimenkolektajn procedurojn, kiujn devas plenumi trejnitaj profesiuloj por garantii precizan ekzamenon de specimenoj kaj montradon de rezultoj. Malgraŭ plibonigoj en teknologio kaj ekipaĵo, ampleksa tempa kaj spaca monitorado de riverakvokvalita estis malhelpita de altaj funkciaj kaj administraj kostoj.
Ĉi tiu diskuto montras, ke ne ekzistas tutmonda aliro al akvokvalito (WKI). Ĉi tio levas la bezonon evoluigi alternativajn metodojn por kalkuli WKI laŭ komputile efika kaj preciza maniero. Tiaj plibonigoj povus esti utilaj por mediaj rimedaj administrantoj por monitori kaj taksi riverakvan kvaliton. En ĉi tiu kunteksto, kelkaj esploristoj sukcese uzis artefaritan inteligentecon (AI) por antaŭdiri WKI; AI-bazita maŝinlernada modelado evitas subindeksan kalkulon kaj rapide generas WKI-rezultojn. AI-bazitaj maŝinlernadaj algoritmoj gajnas popularecon pro sia nelineara arkitekturo, kapablo antaŭdiri kompleksajn eventojn, kapablo administri grandajn datumarojn inkluzive de datumoj de diversaj grandecoj, kaj nesentemo al nekompletaj datumoj. Ilia prognoza povo tute dependas de la metodo kaj precizeco de datenkolektado kaj prilaborado.
Afiŝtempo: 21-a de novembro 2024