Trong 25 năm, Bộ Môi trường Malaysia (DOE) đã triển khai Chỉ số Chất lượng Nước (WQI) sử dụng sáu thông số chất lượng nước chính: oxy hòa tan (DO), Nhu cầu Oxy sinh hóa (BOD), Nhu cầu Oxy hóa học (COD), pH, nitơ amoniac (AN) và chất rắn lơ lửng (SS). Phân tích chất lượng nước là một thành phần quan trọng của quản lý tài nguyên nước và phải được quản lý đúng cách để ngăn ngừa thiệt hại sinh thái do ô nhiễm và đảm bảo tuân thủ các quy định về môi trường. Điều này làm tăng nhu cầu xác định các phương pháp phân tích hiệu quả. Một trong những thách thức chính của điện toán hiện tại là nó yêu cầu một loạt các phép tính chỉ số phụ tốn thời gian, phức tạp và dễ xảy ra lỗi. Ngoài ra, không thể tính toán WQI nếu thiếu một hoặc nhiều thông số chất lượng nước. Trong nghiên cứu này, một phương pháp tối ưu hóa WQI được phát triển để giải quyết tính phức tạp của quy trình hiện tại. Tiềm năng của mô hình hóa dựa trên dữ liệu, cụ thể là máy vectơ hỗ trợ hàm cơ sở Nu-Radial (SVM) dựa trên xác thực chéo 10x, đã được phát triển và khám phá để cải thiện khả năng dự đoán WQI trong lưu vực Langat. Phân tích độ nhạy toàn diện đã được thực hiện trong sáu kịch bản để xác định hiệu quả của mô hình trong dự báo WQI. Trong trường hợp đầu tiên, mô hình SVM-WQI cho thấy khả năng tuyệt vời trong việc sao chép DOE-WQI và thu được mức kết quả thống kê rất cao (hệ số tương quan r > 0,95, hiệu quả Nash Sutcliffe, NSE > 0,88, chỉ số nhất quán Willmott, WI > 0,96). Trong kịch bản thứ hai, quá trình mô hình hóa cho thấy WQI có thể được ước tính mà không cần sáu tham số. Do đó, tham số DO là yếu tố quan trọng nhất trong việc xác định WQI. pH có tác động ít nhất đến WQI. Ngoài ra, các Kịch bản 3 đến 6 cho thấy hiệu quả của mô hình về mặt thời gian và chi phí bằng cách giảm thiểu số lượng biến trong tổ hợp đầu vào của mô hình (r > 0,6, NSE > 0,5 (tốt), WI > 0,7 (rất tốt)). Được thực hiện cùng nhau, mô hình sẽ cải thiện đáng kể và đẩy nhanh quá trình ra quyết định dựa trên dữ liệu trong quản lý chất lượng nước, giúp dữ liệu dễ tiếp cận và hấp dẫn hơn mà không cần sự can thiệp của con người.
1 Giới thiệu
Thuật ngữ “ô nhiễm nước” đề cập đến tình trạng ô nhiễm một số loại nước, bao gồm nước mặt (đại dương, hồ và sông) và nước ngầm. Một yếu tố quan trọng trong sự gia tăng của vấn đề này là các chất ô nhiễm không được xử lý đầy đủ trước khi thải trực tiếp hoặc gián tiếp vào các nguồn nước. Những thay đổi về chất lượng nước không chỉ tác động đáng kể đến môi trường biển mà còn đến nguồn nước ngọt cho nguồn cung cấp nước công cộng và nông nghiệp. Ở các nước đang phát triển, tăng trưởng kinh tế nhanh chóng là phổ biến, và mọi dự án thúc đẩy sự tăng trưởng này đều có thể gây hại cho môi trường. Để quản lý tài nguyên nước lâu dài và bảo vệ con người và môi trường, việc giám sát và đánh giá chất lượng nước là rất cần thiết. Chỉ số Chất lượng Nước, còn được gọi là WQI, được lấy từ dữ liệu chất lượng nước và được sử dụng để xác định hiện trạng chất lượng nước sông. Khi đánh giá mức độ thay đổi chất lượng nước, nhiều biến số cần được xem xét. WQI là một chỉ số không có bất kỳ chiều nào. Nó bao gồm các thông số chất lượng nước cụ thể. WQI cung cấp một phương pháp để phân loại chất lượng của các nguồn nước trong quá khứ và hiện tại. Giá trị có ý nghĩa của WQI có thể ảnh hưởng đến các quyết định và hành động của những người ra quyết định. Trên thang điểm từ 1 đến 100, chỉ số càng cao thì chất lượng nước càng tốt. Nhìn chung, chất lượng nước của các trạm sông có điểm từ 80 trở lên đạt tiêu chuẩn sông sạch. Giá trị WQI dưới 40 được coi là ô nhiễm, trong khi giá trị WQI từ 40 đến 80 cho thấy chất lượng nước thực sự bị ô nhiễm nhẹ.
Nhìn chung, việc tính toán WQI đòi hỏi một tập hợp các phép biến đổi chỉ số phụ dài, phức tạp và dễ xảy ra lỗi. Có những tương tác phi tuyến tính phức tạp giữa WQI và các thông số chất lượng nước khác. Việc tính toán WQI có thể khó khăn và mất nhiều thời gian vì các WQI khác nhau sử dụng các công thức khác nhau, điều này có thể dẫn đến sai số. Một thách thức lớn là không thể tính toán công thức cho WQI nếu thiếu một hoặc nhiều thông số chất lượng nước. Ngoài ra, một số tiêu chuẩn yêu cầu quy trình thu thập mẫu tốn thời gian, toàn diện và phải được thực hiện bởi các chuyên gia được đào tạo để đảm bảo kiểm tra mẫu và hiển thị kết quả chính xác. Mặc dù công nghệ và thiết bị đã được cải thiện, việc giám sát chất lượng nước sông theo thời gian và không gian rộng rãi vẫn bị cản trở bởi chi phí vận hành và quản lý cao.
Bài thảo luận này cho thấy không có phương pháp tiếp cận toàn cầu nào đối với WQI. Điều này đặt ra nhu cầu phát triển các phương pháp thay thế để tính toán WQI một cách hiệu quả và chính xác về mặt tính toán. Những cải tiến này có thể hữu ích cho các nhà quản lý tài nguyên môi trường trong việc giám sát và đánh giá chất lượng nước sông. Trong bối cảnh này, một số nhà nghiên cứu đã sử dụng thành công AI để dự đoán WQI; Mô hình học máy dựa trên AI tránh được việc tính toán chỉ số phụ và nhanh chóng tạo ra kết quả WQI. Các thuật toán học máy dựa trên AI đang ngày càng phổ biến nhờ kiến trúc phi tuyến tính, khả năng dự đoán các sự kiện phức tạp, khả năng quản lý các tập dữ liệu lớn bao gồm dữ liệu có kích thước khác nhau và không nhạy cảm với dữ liệu không đầy đủ. Sức mạnh dự đoán của chúng hoàn toàn phụ thuộc vào phương pháp và độ chính xác của việc thu thập và xử lý dữ liệu.
Thời gian đăng: 21-11-2024