Durante 25 anos, o Departamento de Medio Ambiente (DOE) de Malaisia implementou un Índice de Calidade da Auga (ICA) que emprega seis parámetros clave da calidade da auga: osíxeno disolto (OD), Demanda Bioquímica de Osíxeno (DBO), Demanda Química de Osíxeno (DQO), pH, nitróxeno amónico (AN) e sólidos en suspensión (SS). A análise da calidade da auga é un compoñente importante da xestión dos recursos hídricos e debe xestionarse adecuadamente para evitar os danos ecolóxicos causados pola contaminación e garantir o cumprimento das normativas ambientais. Isto aumenta a necesidade de definir métodos eficaces para a análise. Un dos principais desafíos da informática actual é que require unha serie de cálculos de subíndices que requiren moito tempo, son complexos e propensos a erros. Ademais, o ICA non se pode calcular se falta un ou máis parámetros da calidade da auga. Neste estudo, desenvólvese un método de optimización do ICA para a complexidade do proceso actual. Desenvolveuse e explorou o potencial da modelización baseada en datos, concretamente a máquina de vectores de soporte de funcións de base Nu-Radial (SVM) baseada na validación cruzada 10x, para mellorar a predición do ICA na conca de Langat. Realizouse unha análise de sensibilidade exhaustiva en seis escenarios para determinar a eficiencia do modelo na predición da calidade da auga (WQI). No primeiro caso, o modelo SVM-WQI mostrou unha excelente capacidade para replicar DOE-WQI e obtivo niveis moi altos de resultados estatísticos (coeficiente de correlación r > 0,95, eficiencia de Nash-Sutcliffe, NSE > 0,88, índice de consistencia de Willmott, WI > 0,96). No segundo escenario, o proceso de modelado mostra que a WQI pódese estimar sen seis parámetros. Polo tanto, o parámetro DO é o factor máis importante para determinar a WQI. O pH ten o menor efecto na WQI. Ademais, os escenarios 3 a 6 mostran a eficiencia do modelo en termos de tempo e custo ao minimizar o número de variables na combinación de entradas do modelo (r > 0,6, NSE > 0,5 (bo), WI > 0,7 (moi bo)). En conxunto, o modelo mellorará e acelerará enormemente a toma de decisións baseada en datos na xestión da calidade da auga, facendo que os datos sexan máis accesibles e atractivos sen intervención humana.
1 Introdución
O termo "contaminación da auga" refírese á contaminación de varios tipos de auga, incluídas as augas superficiais (océanos, lagos e ríos) e as augas subterráneas. Un factor significativo no crecemento deste problema é que os contaminantes non se tratan adecuadamente antes de seren liberados directa ou indirectamente nas masas de auga. Os cambios na calidade da auga teñen un impacto significativo non só no medio mariño, senón tamén na dispoñibilidade de auga doce para o abastecemento público de auga e a agricultura. Nos países en desenvolvemento, o rápido crecemento económico é común e todos os proxectos que promoven este crecemento poden ser prexudiciais para o medio ambiente. Para a xestión a longo prazo dos recursos hídricos e a protección das persoas e do medio ambiente, a monitorización e a avaliación da calidade da auga son esenciais. O Índice de Calidade da Auga, tamén coñecido como IQA, derívase dos datos de calidade da auga e utilízase para determinar o estado actual da calidade da auga dos ríos. Ao avaliar o grao de cambio na calidade da auga, débense considerar moitas variables. O IQA é un índice sen ningunha dimensión. Consta de parámetros específicos da calidade da auga. O IQA proporciona un método para clasificar a calidade das masas de auga históricas e actuais. O valor significativo do IQA pode influír nas decisións e accións dos responsables da toma de decisións. Nunha escala de 1 a 100, canto maior sexa o índice, mellor será a calidade da auga. En xeral, a calidade da auga das estacións fluviais con puntuacións de 80 ou superiores cumpre cos estándares para ríos limpos. Un valor de IQA inferior a 40 considérase contaminado, mentres que un valor de IQA entre 40 e 80 indica que a calidade da auga está lixeiramente contaminada.
En xeral, o cálculo do IQA require un conxunto de transformacións de subíndices que son longas, complexas e propensas a erros. Existen interaccións non lineais complexas entre o IQA e outros parámetros da calidade da auga. Calcular os IQA pode ser difícil e levar moito tempo porque os diferentes IQA usan fórmulas diferentes, o que pode levar a erros. Un dos principais desafíos é que é imposible calcular a fórmula para o IQA se falta un ou máis parámetros da calidade da auga. Ademais, algúns estándares requiren procedementos de recollida de mostras exhaustivos e longos que deben ser realizados por profesionais cualificados para garantir un exame preciso das mostras e a visualización dos resultados. A pesar das melloras na tecnoloxía e nos equipos, a extensa monitorización temporal e espacial da calidade da auga dos ríos viuse dificultada polos altos custos operativos e de xestión.
Esta discusión demostra que non existe unha abordaxe global para o Índice de Calidade da Auga (IQA). Isto suscita a necesidade de desenvolver métodos alternativos para calcular o IQA dun xeito computacionalmente eficiente e preciso. Estas melloras poden ser útiles para que os xestores de recursos ambientais poidan monitorizar e avaliar a calidade da auga dos ríos. Neste contexto, algúns investigadores utilizaron con éxito a IA para predicir o IQA; a modelización de aprendizaxe automática baseada en IA evita o cálculo de subíndices e xera rapidamente resultados de IQA. Os algoritmos de aprendizaxe automática baseados en IA están a gañar popularidade debido á súa arquitectura non lineal, á capacidade de predicir eventos complexos, á capacidade de xestionar grandes conxuntos de datos, incluídos datos de diferentes tamaños, e á insensibilidade aos datos incompletos. O seu poder preditivo depende enteiramente do método e da precisión da recollida e procesamento dos datos.
Data de publicación: 21 de novembro de 2024