Da 25 anni, il Dipartimento dell'Ambiente della Malesia (DOE) ha implementato un Indice di Qualità dell'Acqua (WQI) che utilizza sei parametri chiave per la qualità dell'acqua: ossigeno disciolto (DO), domanda biochimica di ossigeno (BOD), domanda chimica di ossigeno (COD), pH, azoto ammoniacale (AN) e solidi sospesi (SS). L'analisi della qualità dell'acqua è una componente importante della gestione delle risorse idriche e deve essere gestita correttamente per prevenire danni ecologici dovuti all'inquinamento e garantire il rispetto delle normative ambientali. Ciò aumenta la necessità di definire metodi di analisi efficaci. Una delle principali sfide dell'informatica attuale è che richiede una serie di calcoli di sottoindici lunghi, complessi e soggetti a errori. Inoltre, il WQI non può essere calcolato se uno o più parametri di qualità dell'acqua sono mancanti. In questo studio, viene sviluppato un metodo di ottimizzazione del WQI per la complessità del processo attuale. Il potenziale della modellazione basata sui dati, in particolare la macchina a vettori di supporto (SVM) Nu-Radial basata sulla convalida incrociata 10x, è stato sviluppato ed esplorato per migliorare la previsione del WQI nel bacino del Langat. È stata eseguita un'analisi di sensibilità completa in sei scenari per determinare l'efficienza del modello nella previsione del WQI. Nel primo caso, il modello SVM-WQI ha mostrato un'eccellente capacità di replicare DOE-WQI e ha ottenuto livelli molto elevati di risultati statistici (coefficiente di correlazione r > 0,95, efficienza di Nash Sutcliffe, NSE > 0,88, indice di consistenza di Willmott, WI > 0,96). Nel secondo scenario, il processo di modellazione mostra che il WQI può essere stimato senza sei parametri. Pertanto, il parametro DO è il fattore più importante nella determinazione del WQI. Il pH ha il minimo effetto sul WQI. Inoltre, gli scenari da 3 a 6 mostrano l'efficienza del modello in termini di tempo e costi, riducendo al minimo il numero di variabili nella combinazione di input del modello (r > 0,6, NSE > 0,5 (buono), WI > 0,7 (molto buono)). Nel complesso, il modello migliorerà e accelererà notevolmente il processo decisionale basato sui dati nella gestione della qualità dell'acqua, rendendo i dati più accessibili e coinvolgenti senza l'intervento umano.
1 Introduzione
Il termine "inquinamento idrico" si riferisce all'inquinamento di diversi tipi di acqua, tra cui le acque superficiali (oceani, laghi e fiumi) e le falde acquifere. Un fattore significativo nell'aumento di questo problema è che gli inquinanti non vengono adeguatamente trattati prima di essere rilasciati direttamente o indirettamente nei corpi idrici. Le variazioni della qualità dell'acqua hanno un impatto significativo non solo sull'ambiente marino, ma anche sulla disponibilità di acqua dolce per l'approvvigionamento idrico pubblico e per l'agricoltura. Nei paesi in via di sviluppo, la rapida crescita economica è comune e ogni progetto che promuova tale crescita può essere dannoso per l'ambiente. Per la gestione a lungo termine delle risorse idriche e la protezione delle persone e dell'ambiente, il monitoraggio e la valutazione della qualità dell'acqua sono essenziali. L'Indice di Qualità dell'Acqua, noto anche come WQI, è derivato dai dati sulla qualità dell'acqua e viene utilizzato per determinare lo stato attuale della qualità delle acque fluviali. Nel valutare il grado di variazione della qualità dell'acqua, è necessario considerare molte variabili. Il WQI è un indice senza alcuna dimensione. È costituito da parametri specifici della qualità dell'acqua. Il WQI fornisce un metodo per classificare la qualità dei corpi idrici storici e attuali. Il valore significativo dell'indice WQI può influenzare le decisioni e le azioni dei decisori. Su una scala da 1 a 100, maggiore è l'indice, migliore è la qualità dell'acqua. In generale, la qualità dell'acqua delle stazioni fluviali con punteggi pari o superiori a 80 soddisfa gli standard per i fiumi puliti. Un valore WQI inferiore a 40 è considerato contaminato, mentre un valore WQI compreso tra 40 e 80 indica che la qualità dell'acqua è effettivamente leggermente contaminata.
In generale, il calcolo del WQI richiede una serie di trasformazioni di sottoindice lunghe, complesse e soggette a errori. Esistono complesse interazioni non lineari tra il WQI e altri parametri di qualità dell'acqua. Il calcolo dei WQI può essere difficile e richiedere molto tempo perché i diversi WQI utilizzano formule diverse, il che può causare errori. Una delle principali sfide è l'impossibilità di calcolare la formula del WQI se uno o più parametri di qualità dell'acqua sono mancanti. Inoltre, alcuni standard richiedono procedure di raccolta dei campioni lunghe ed esaustive, che devono essere eseguite da professionisti qualificati per garantire un esame accurato dei campioni e la visualizzazione dei risultati. Nonostante i miglioramenti tecnologici e delle attrezzature, il monitoraggio esteso della qualità delle acque fluviali, sia temporale che spaziale, è stato ostacolato da elevati costi operativi e di gestione.
Questa discussione dimostra che non esiste un approccio globale al WQI. Ciò solleva la necessità di sviluppare metodi alternativi per calcolare il WQI in modo computazionalmente efficiente e accurato. Tali miglioramenti potrebbero essere utili ai gestori delle risorse ambientali per monitorare e valutare la qualità delle acque fluviali. In questo contesto, alcuni ricercatori hanno utilizzato con successo l'intelligenza artificiale per prevedere il WQI; la modellazione di apprendimento automatico basata sull'intelligenza artificiale evita il calcolo dei sottoindici e genera rapidamente i risultati del WQI. Gli algoritmi di apprendimento automatico basati sull'intelligenza artificiale stanno guadagnando popolarità grazie alla loro architettura non lineare, alla capacità di prevedere eventi complessi, alla capacità di gestire grandi set di dati, inclusi dati di dimensioni variabili, e all'insensibilità ai dati incompleti. Il loro potere predittivo dipende interamente dal metodo e dalla precisione di raccolta ed elaborazione dei dati.
Data di pubblicazione: 21-11-2024