تحسين التنبؤ بمؤشر جودة المياه باستخدام آلة الدعم المتجه مع تحليل الحساسية

على مدار 25 عامًا، طبقت وزارة البيئة الماليزية مؤشر جودة المياه (WQI) الذي يستخدم ستة معايير رئيسية لجودة المياه: الأكسجين المذاب (DO)، والطلب الكيميائي الحيوي للأكسجين (BOD)، والطلب الكيميائي للأكسجين (COD)، ودرجة الحموضة (pH)، ونيتروجين الأمونيا (AN)، والمواد الصلبة العالقة (SS). يُعد تحليل جودة المياه عنصرًا مهمًا في إدارة موارد المياه ويجب إدارته بشكل صحيح لمنع الضرر البيئي الناجم عن التلوث وضمان الامتثال للوائح البيئية. وهذا يزيد من الحاجة إلى تحديد طرق فعالة للتحليل. أحد التحديات الرئيسية للحوسبة الحالية هو أنها تتطلب سلسلة من حسابات المؤشرات الفرعية التي تستغرق وقتًا طويلاً ومعقدة وعرضة للخطأ. بالإضافة إلى ذلك، لا يمكن حساب WQI إذا كانت إحدى معايير جودة المياه أو أكثر مفقودة. في هذه الدراسة، تم تطوير طريقة تحسين WQI لمراعاة تعقيد العملية الحالية. طُوِّرت واستُكشفت إمكانات النمذجة القائمة على البيانات، وتحديدًا آلة ناقل الدعم لدالة الأساس الشعاعية (Nu-Radial base function support vector machine (SVM)) القائمة على التحقق المتبادل 10x، لتحسين تنبؤ مؤشر جودة الماء (WQI) في حوض لانغات. أُجري تحليل حساسية شامل في ستة سيناريوهات لتحديد كفاءة النموذج في تنبؤ مؤشر جودة الماء (WQI). في الحالة الأولى، أظهر نموذج SVM-WQI قدرة ممتازة على تكرار نموذج DOE-WQI، وحصل على نتائج إحصائية عالية جدًا (معامل الارتباط r > 0.95، كفاءة ناش ساتكليف (NSE > 0.88، مؤشر اتساق ويلموت (WI > 0.96)). في السيناريو الثاني، تُظهر عملية النمذجة إمكانية تقدير مؤشر جودة الماء (WQI) بدون ستة معاملات. وبالتالي، يُعدّ معامل DO العامل الأهم في تحديد مؤشر جودة الماء (WQI). أما الرقم الهيدروجيني (pH) فله أقل تأثير على مؤشر جودة الماء (WQI). بالإضافة إلى ذلك، تُظهر السيناريوهات من 3 إلى 6 كفاءة النموذج من حيث الوقت والتكلفة من خلال تقليل عدد المتغيرات في مجموعة مدخلات النموذج (r > 0.6، NSE > 0.5 (جيد)، WI > 0.7 (جيد جدًا)). وبالنظر إلى هذه النتائج مجتمعةً، سيُحسّن النموذج ويُسرّع عملية اتخاذ القرارات القائمة على البيانات في إدارة جودة المياه بشكل كبير، مما يجعل البيانات أكثر سهولةً وتفاعليةً دون تدخل بشري.

1 المقدمة

يشير مصطلح "تلوث المياه" إلى تلوث أنواع عديدة من المياه، بما في ذلك المياه السطحية (المحيطات والبحيرات والأنهار) والمياه الجوفية. ومن العوامل الرئيسية في تفاقم هذه المشكلة عدم معالجة الملوثات بشكل كافٍ قبل إطلاقها، سواءً بشكل مباشر أو غير مباشر، في المسطحات المائية. وللتغيرات في جودة المياه تأثير كبير ليس فقط على البيئة البحرية، بل أيضًا على توافر المياه العذبة لإمدادات المياه العامة والزراعة. وفي البلدان النامية، يشيع النمو الاقتصادي السريع، وقد يكون أي مشروع يعزز هذا النمو ضارًا بالبيئة. لذا، من أجل الإدارة طويلة الأمد للموارد المائية وحماية الإنسان والبيئة، تُعد مراقبة جودة المياه وتقييمها أمرًا بالغ الأهمية. ويُشتق مؤشر جودة المياه، المعروف أيضًا باسم WQI، من بيانات جودة المياه، ويُستخدم لتحديد الوضع الراهن لجودة مياه الأنهار. ويجب مراعاة العديد من المتغيرات عند تقييم درجة التغير في جودة المياه. ومؤشر WQI هو مؤشر بدون أبعاد، ويتألف من معايير محددة لجودة المياه. ويوفر مؤشر WQI طريقة لتصنيف جودة المسطحات المائية التاريخية والحالية. يمكن للقيمة المعنوية لمؤشر جودة المياه أن تؤثر على قرارات وتصرفات صانعي القرار. على مقياس من 1 إلى 100، كلما ارتفع المؤشر، كانت جودة المياه أفضل. بشكل عام، تُلبي جودة مياه محطات الأنهار التي تحصل على 80 درجة فأكثر معايير الأنهار النظيفة. تُعتبر قيمة مؤشر جودة المياه الأقل من 40 ملوثة، بينما تُشير قيمة المؤشر بين 40 و80 إلى أن جودة المياه ملوثة قليلاً بالفعل.

بشكل عام، يتطلب حساب مؤشر جودة المياه (WQI) مجموعة من تحويلات الفهارس الفرعية، وهي طويلة ومعقدة وعرضة للخطأ. هناك تفاعلات غير خطية معقدة بين مؤشر جودة المياه (WQI) ومعلمات جودة المياه الأخرى. قد يكون حساب مؤشرات جودة المياه (WQI) صعبًا ويستغرق وقتًا طويلًا، نظرًا لاستخدام كل مؤشر صيغًا مختلفة، مما قد يؤدي إلى أخطاء. يتمثل أحد التحديات الرئيسية في استحالة حساب صيغة مؤشر جودة المياه (WQI) في حال عدم وجود معلمة أو أكثر من معلمات جودة المياه. بالإضافة إلى ذلك، تتطلب بعض المعايير إجراءات جمع عينات شاملة ومستهلكة للوقت، والتي يجب أن يقوم بها متخصصون مدربون لضمان دقة فحص العينات وعرض النتائج. على الرغم من التحسينات في التكنولوجيا والمعدات، إلا أن تكاليف التشغيل والإدارة المرتفعة أعاقت عمليات الرصد المكثف لجودة مياه الأنهار زمنيًا ومكانيًا.

يوضح هذا النقاش عدم وجود نهج شامل لمؤشر جودة المياه (WQI). وهذا يُبرز الحاجة إلى تطوير أساليب بديلة لحساب مؤشر جودة المياه (WQI) بطريقة حاسوبية فعّالة ودقيقة. قد تكون هذه التحسينات مفيدة لمديري الموارد البيئية في رصد جودة مياه الأنهار وتقييمها. في هذا السياق، نجح بعض الباحثين في استخدام الذكاء الاصطناعي للتنبؤ بمؤشر جودة المياه (WQI)؛ إذ تتجنب نمذجة التعلم الآلي القائمة على الذكاء الاصطناعي حساب المؤشرات الفرعية وتُولّد نتائج مؤشر جودة المياه بسرعة. تكتسب خوارزميات التعلم الآلي القائمة على الذكاء الاصطناعي شعبية متزايدة بفضل بنيتها غير الخطية، وقدرتها على التنبؤ بالأحداث المعقدة، وإدارة مجموعات البيانات الضخمة، بما في ذلك بيانات متفاوتة الأحجام، وعدم تأثرها بالبيانات غير المكتملة. تعتمد قدرتها التنبؤية كليًا على طريقة ودقة جمع البيانات ومعالجتها.