การปรับปรุงการทำนายดัชนีคุณภาพน้ำโดยใช้เครื่องเวกเตอร์สนับสนุนพร้อมการวิเคราะห์ความไว

เป็นเวลา 25 ปีแล้วที่กรมสิ่งแวดล้อม (DOE) ของมาเลเซียได้นำดัชนีคุณภาพน้ำ (WQI) มาใช้ ซึ่งใช้พารามิเตอร์คุณภาพน้ำหลัก 6 ประการ ได้แก่ ออกซิเจนละลายน้ำ (DO) ความต้องการออกซิเจนทางชีวเคมี (BOD) ความต้องการออกซิเจนทางเคมี (COD) ค่า pH ไนโตรเจนแอมโมเนีย (AN) และของแข็งแขวนลอย (SS) การวิเคราะห์คุณภาพน้ำเป็นองค์ประกอบสำคัญของการจัดการทรัพยากรน้ำ และจำเป็นต้องได้รับการจัดการอย่างเหมาะสมเพื่อป้องกันความเสียหายต่อระบบนิเวศจากมลพิษ และเพื่อให้มั่นใจว่าเป็นไปตามกฎระเบียบด้านสิ่งแวดล้อม ซึ่งทำให้จำเป็นต้องกำหนดวิธีการวิเคราะห์ที่มีประสิทธิภาพมากขึ้น หนึ่งในความท้าทายหลักของการคำนวณในปัจจุบันคือ การคำนวณดัชนีย่อยที่ใช้เวลานาน ซับซ้อน และมีโอกาสเกิดข้อผิดพลาด นอกจากนี้ จะไม่สามารถคำนวณ WQI ได้หากพารามิเตอร์คุณภาพน้ำอย่างน้อยหนึ่งพารามิเตอร์ขาดหายไป ในการศึกษานี้ ได้มีการพัฒนาวิธีการหาค่าที่เหมาะสมที่สุดของ WQI สำหรับความซับซ้อนของกระบวนการในปัจจุบัน ศักยภาพของการสร้างแบบจำลองที่ขับเคลื่อนด้วยข้อมูล ได้แก่ Nu-Radial basis function support vector machine (SVM) ซึ่งใช้การตรวจสอบแบบไขว้ 10 เท่า ได้รับการพัฒนาและสำรวจเพื่อปรับปรุงการทำนาย WQI ในลุ่มน้ำ Langat การวิเคราะห์ความไวอย่างครอบคลุมได้ดำเนินการภายใต้สถานการณ์จำลอง 6 สถานการณ์เพื่อประเมินประสิทธิภาพของแบบจำลองในการทำนาย WQI ในกรณีแรก แบบจำลอง SVM-WQI แสดงให้เห็นถึงความสามารถที่ยอดเยี่ยมในการจำลอง DOE-WQI และให้ผลลัพธ์ทางสถิติที่สูงมาก (สัมประสิทธิ์สหสัมพันธ์ r > 0.95, ประสิทธิภาพ Nash Sutcliffe, NSE > 0.88, ดัชนีความสอดคล้องของ Willmott, WI > 0.96) ในกรณีที่สอง กระบวนการสร้างแบบจำลองแสดงให้เห็นว่าสามารถประมาณค่า WQI ได้โดยไม่ต้องใช้พารามิเตอร์ 6 ตัว ดังนั้น พารามิเตอร์ DO จึงเป็นปัจจัยสำคัญที่สุดในการกำหนด WQI ค่า pH มีผลกระทบต่อ WQI น้อยที่สุด นอกจากนี้ สถานการณ์ที่ 3 ถึง 6 ยังแสดงให้เห็นถึงประสิทธิภาพของแบบจำลองทั้งในด้านเวลาและต้นทุน โดยการลดจำนวนตัวแปรในชุดข้อมูลนำเข้าของแบบจำลองให้เหลือน้อยที่สุด (r > 0.6, NSE > 0.5 (ดี), WI > 0.7 (ดีมาก)) เมื่อนำมารวมกัน แบบจำลองนี้จะช่วยปรับปรุงและเร่งกระบวนการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลในการจัดการคุณภาพน้ำได้อย่างมาก ทำให้เข้าถึงข้อมูลได้ง่ายขึ้นและน่าสนใจยิ่งขึ้นโดยไม่ต้องอาศัยการแทรกแซงจากมนุษย์

1 บทนำ

คำว่า "มลพิษทางน้ำ" หมายถึงมลพิษทางน้ำหลายประเภท รวมถึงน้ำผิวดิน (มหาสมุทร ทะเลสาบ และแม่น้ำ) และน้ำใต้ดิน ปัจจัยสำคัญประการหนึ่งที่ทำให้ปัญหานี้รุนแรงขึ้นคือการที่สารมลพิษไม่ได้รับการบำบัดอย่างเพียงพอก่อนปล่อยลงสู่แหล่งน้ำทั้งทางตรงและทางอ้อม การเปลี่ยนแปลงคุณภาพน้ำส่งผลกระทบอย่างมีนัยสำคัญไม่เพียงแต่ต่อสภาพแวดล้อมทางทะเลเท่านั้น แต่ยังส่งผลต่อปริมาณน้ำจืดสำหรับแหล่งน้ำสาธารณะและภาคเกษตรกรรมอีกด้วย ในประเทศกำลังพัฒนา การเติบโตทางเศรษฐกิจอย่างรวดเร็วเป็นเรื่องปกติ และทุกโครงการที่ส่งเสริมการเติบโตนี้อาจเป็นอันตรายต่อสิ่งแวดล้อม สำหรับการจัดการทรัพยากรน้ำในระยะยาวและการปกป้องประชาชนและสิ่งแวดล้อม การติดตามและประเมินคุณภาพน้ำเป็นสิ่งจำเป็น ดัชนีคุณภาพน้ำ หรือที่รู้จักกันในชื่อ WQI จัดทำขึ้นจากข้อมูลคุณภาพน้ำและใช้เพื่อกำหนดสถานะปัจจุบันของคุณภาพน้ำในแม่น้ำ ในการประเมินระดับการเปลี่ยนแปลงคุณภาพน้ำ จำเป็นต้องพิจารณาตัวแปรต่างๆ มากมาย WQI เป็นดัชนีที่ไม่มีมิติใดๆ ประกอบด้วยพารามิเตอร์คุณภาพน้ำเฉพาะ WQI เป็นวิธีการจำแนกคุณภาพของแหล่งน้ำทั้งในอดีตและปัจจุบัน ค่าที่มีความหมายของ WQI สามารถมีอิทธิพลต่อการตัดสินใจและการกระทำของผู้มีอำนาจตัดสินใจได้ ในระดับ 1 ถึง 100 ยิ่งดัชนีสูงขึ้น คุณภาพน้ำก็ยิ่งดีขึ้น โดยทั่วไป คุณภาพน้ำของสถานีตรวจวัดแม่น้ำที่มีคะแนนตั้งแต่ 80 ขึ้นไป ถือว่าอยู่ในเกณฑ์มาตรฐานสำหรับแม่น้ำที่สะอาด ค่า WQI ต่ำกว่า 40 ถือว่ามีการปนเปื้อน ในขณะที่ค่า WQI ระหว่าง 40 ถึง 80 แสดงว่าคุณภาพน้ำมีการปนเปื้อนเล็กน้อย

โดยทั่วไป การคำนวณ WQI ต้องใช้ชุดการแปลงดัชนีย่อยที่มีความยาว ซับซ้อน และมีโอกาสเกิดข้อผิดพลาดได้ง่าย มีปฏิสัมพันธ์แบบไม่เชิงเส้นที่ซับซ้อนระหว่าง WQI และพารามิเตอร์คุณภาพน้ำอื่นๆ การคำนวณ WQI อาจเป็นเรื่องยากและใช้เวลานานเนื่องจาก WQI แต่ละอันใช้สูตรที่ต่างกัน ซึ่งอาจทำให้เกิดข้อผิดพลาดได้ ความท้าทายที่สำคัญประการหนึ่งคือ การคำนวณสูตร WQI เป็นไปไม่ได้หากพารามิเตอร์คุณภาพน้ำอย่างน้อยหนึ่งรายการขาดหายไป นอกจากนี้ มาตรฐานบางมาตรฐานยังกำหนดให้ต้องใช้เวลานานและครอบคลุมขั้นตอนการเก็บตัวอย่าง ซึ่งต้องดำเนินการโดยผู้เชี่ยวชาญที่ผ่านการฝึกอบรมเพื่อรับประกันการตรวจสอบตัวอย่างที่แม่นยำและการแสดงผล แม้จะมีการพัฒนาเทคโนโลยีและอุปกรณ์ แต่การตรวจสอบคุณภาพน้ำในแม่น้ำทั้งเชิงเวลาและเชิงพื้นที่อย่างกว้างขวางกลับถูกขัดขวางด้วยต้นทุนการดำเนินงานและการจัดการที่สูง

การอภิปรายนี้แสดงให้เห็นว่ายังไม่มีแนวทางแบบองค์รวมสำหรับ WQI ดังนั้นจึงจำเป็นต้องพัฒนาวิธีการทางเลือกสำหรับการคำนวณ WQI ที่มีประสิทธิภาพและแม่นยำในการคำนวณ การปรับปรุงดังกล่าวอาจเป็นประโยชน์สำหรับผู้จัดการทรัพยากรสิ่งแวดล้อมในการตรวจสอบและประเมินคุณภาพน้ำในแม่น้ำ ในบริบทนี้ นักวิจัยบางท่านประสบความสำเร็จในการใช้ AI เพื่อคาดการณ์ WQI การสร้างแบบจำลองการเรียนรู้ของเครื่องที่ใช้ AI ช่วยหลีกเลี่ยงการคำนวณดัชนีย่อยและสร้างผลลัพธ์ WQI ได้อย่างรวดเร็ว อัลกอริทึมการเรียนรู้ของเครื่องที่ใช้ AI กำลังได้รับความนิยมมากขึ้นเนื่องจากสถาปัตยกรรมแบบไม่เชิงเส้น ความสามารถในการคาดการณ์เหตุการณ์ที่ซับซ้อน ความสามารถในการจัดการชุดข้อมูลขนาดใหญ่ รวมถึงข้อมูลที่มีขนาดแตกต่างกัน และความไม่ไวต่อข้อมูลที่ไม่สมบูรณ์ พลังในการทำนายของอัลกอริทึมนี้ขึ้นอยู่กับวิธีการและความแม่นยำของการรวบรวมและประมวลผลข้อมูลเป็นหลัก