Malezya Çevre Bakanlığı (DOE), 25 yıldır altı temel su kalitesi parametresini kullanan bir Su Kalitesi Endeksi (WQI) uygulamaktadır: çözünmüş oksijen (DO), Biyokimyasal Oksijen İhtiyacı (BOİ), Kimyasal Oksijen İhtiyacı (KOİ), pH, amonyak azotu (AN) ve askıda katılar (AK). Su kalitesi analizi, su kaynakları yönetiminin önemli bir bileşenidir ve kirlilikten kaynaklanan ekolojik hasarı önlemek ve çevre düzenlemelerine uyumu sağlamak için uygun şekilde yönetilmelidir. Bu, analiz için etkili yöntemler tanımlama ihtiyacını artırır. Mevcut hesaplamanın temel zorluklarından biri, bir dizi zaman alıcı, karmaşık ve hataya açık alt endeks hesaplamaları gerektirmesidir. Ayrıca, bir veya daha fazla su kalitesi parametresi eksikse WQI hesaplanamaz. Bu çalışmada, mevcut sürecin karmaşıklığı için bir WQI optimizasyon yöntemi geliştirilmiştir. Veri odaklı modellemenin potansiyeli, yani 10x çapraz doğrulamaya dayalı Nu-Radial baz fonksiyon destek vektör makinesi (SVM), Langat havzasında WQI tahminini iyileştirmek için geliştirildi ve araştırıldı. Modelin WQI tahminindeki verimliliğini belirlemek için altı senaryo altında kapsamlı bir duyarlılık analizi gerçekleştirildi. İlk durumda, SVM-WQI modeli DOE-WQI'yi kopyalamada mükemmel bir yetenek gösterdi ve çok yüksek istatistiksel sonuçlar elde etti (korelasyon katsayısı r > 0,95, Nash Sutcliffe verimliliği, NSE > 0,88, Willmott'un tutarlılık indeksi, WI > 0,96). İkinci senaryoda, modelleme süreci WQI'nin altı parametre olmadan tahmin edilebileceğini göstermektedir. Dolayısıyla, DO parametresi WQI'yi belirlemede en önemli faktördür. pH'ın WQI üzerinde en az etkisi vardır. Ek olarak, 3'ten 6'ya kadar olan Senaryolar, model girdi kombinasyonundaki değişken sayısını en aza indirerek (r > 0,6, NSE > 0,5 (iyi), WI > 0,7 (çok iyi)) modelin zaman ve maliyet açısından verimliliğini göstermektedir. Model, bir bütün olarak ele alındığında, su kalitesi yönetiminde veri odaklı karar alma sürecini büyük ölçüde iyileştirecek ve hızlandıracak, verileri insan müdahalesi olmadan daha erişilebilir ve ilgi çekici hale getirecektir.
1 Giriş
"Su kirliliği" terimi, yüzey suları (okyanuslar, göller ve nehirler) ve yeraltı suları da dahil olmak üzere çeşitli su türlerinin kirlenmesini ifade eder. Bu sorunun büyümesindeki önemli bir faktör, kirleticilerin doğrudan veya dolaylı olarak su kütlelerine salınmadan önce yeterli arıtımdan geçirilmemesidir. Su kalitesindeki değişiklikler yalnızca deniz ortamı üzerinde değil, aynı zamanda kamu su kaynakları ve tarım için tatlı su bulunabilirliği üzerinde de önemli bir etkiye sahiptir. Gelişmekte olan ülkelerde hızlı ekonomik büyüme yaygındır ve bu büyümeyi destekleyen her proje çevreye zarar verebilir. Su kaynaklarının uzun vadeli yönetimi ve insanların ve çevrenin korunması için su kalitesinin izlenmesi ve değerlendirilmesi esastır. WQI olarak da bilinen Su Kalitesi Endeksi, su kalitesi verilerinden türetilir ve nehir suyu kalitesinin mevcut durumunu belirlemek için kullanılır. Su kalitesindeki değişimin derecesini değerlendirirken birçok değişken dikkate alınmalıdır. WQI, boyutu olmayan bir endekstir. Belirli su kalitesi parametrelerinden oluşur. WQI, geçmiş ve mevcut su kütlelerinin kalitesini sınıflandırmak için bir yöntem sunar. WQI'nin anlamlı değeri, karar vericilerin kararlarını ve eylemlerini etkileyebilir. 1'den 100'e kadar bir ölçekte, endeks ne kadar yüksekse su kalitesi o kadar iyidir. Genel olarak, 80 ve üzeri puan alan nehir istasyonlarının su kalitesi, temiz nehirler standartlarını karşılamaktadır. 40'ın altındaki bir WQI değeri kirli kabul edilirken, 40 ile 80 arasındaki bir WQI değeri su kalitesinin gerçekten hafif kirli olduğunu gösterir.
Genel olarak, WQI'nin hesaplanması uzun, karmaşık ve hataya açık bir dizi alt indeks dönüşümü gerektirir. WQI ile diğer su kalitesi parametreleri arasında karmaşık doğrusal olmayan etkileşimler vardır. WQI'lerin hesaplanması zor olabilir ve uzun zaman alabilir, çünkü farklı WQI'ler farklı formüller kullanır ve bu da hatalara yol açabilir. Başlıca zorluklardan biri, bir veya daha fazla su kalitesi parametresi eksikse WQI formülünü hesaplamanın imkansız olmasıdır. Ayrıca, bazı standartlar, numunelerin doğru bir şekilde incelenmesini ve sonuçların görüntülenmesini garantilemek için eğitimli profesyoneller tarafından gerçekleştirilmesi gereken zaman alıcı ve ayrıntılı numune toplama prosedürleri gerektirir. Teknoloji ve ekipmandaki gelişmelere rağmen, kapsamlı zamansal ve mekansal nehir suyu kalitesi izlemesi, yüksek işletme ve yönetim maliyetleri nedeniyle engellenmiştir.
Bu tartışma, WQI'ye yönelik küresel bir yaklaşım olmadığını göstermektedir. Bu durum, WQI'yi hesaplama açısından verimli ve doğru bir şekilde hesaplamak için alternatif yöntemler geliştirme ihtiyacını ortaya çıkarmaktadır. Bu tür iyileştirmeler, çevre kaynağı yöneticilerinin nehir suyu kalitesini izlemeleri ve değerlendirmeleri için faydalı olabilir. Bu bağlamda, bazı araştırmacılar WQI'yi tahmin etmek için yapay zekâyı başarıyla kullanmıştır; yapay zekâ tabanlı makine öğrenimi modellemesi, alt endeks hesaplamalarından kaçınır ve WQI sonuçlarını hızla üretir. Yapay zekâ tabanlı makine öğrenimi algoritmaları, doğrusal olmayan mimarileri, karmaşık olayları tahmin etme yetenekleri, farklı boyutlardaki veriler de dahil olmak üzere büyük veri kümelerini yönetme yetenekleri ve eksik verilere duyarsızlıkları nedeniyle popülerlik kazanmaktadır. Tahmin güçleri tamamen veri toplama ve işleme yöntemine ve hassasiyetine bağlıdır.
Gönderim zamanı: 21-11-2024