Selama 25 tahun, Jabatan Alam Sekitar (JAS) Malaysia telah melaksanakan Indeks Kualiti Air (WQI) yang menggunakan enam parameter kualiti air utama: oksigen terlarut (DO), Permintaan Oksigen Biokimia (BOD), Permintaan Oksigen Kimia (COD), pH, nitrogen ammonia (AN) dan pepejal terampai (SS). Analisis kualiti air merupakan komponen penting dalam pengurusan sumber air dan mesti diuruskan dengan betul untuk mencegah kerosakan ekologi akibat pencemaran dan memastikan pematuhan dengan peraturan alam sekitar. Ini meningkatkan keperluan untuk menentukan kaedah analisis yang berkesan. Salah satu cabaran utama pengkomputeran semasa ialah ia memerlukan satu siri pengiraan subindeks yang memakan masa, kompleks dan rawan ralat. Di samping itu, WQI tidak boleh dikira jika satu atau lebih parameter kualiti air tiada. Dalam kajian ini, kaedah pengoptimuman WQI dibangunkan untuk kerumitan proses semasa. Potensi pemodelan berasaskan data, iaitu mesin vektor sokongan fungsi asas Nu-Radial (SVM) berdasarkan pengesahan silang 10x, telah dibangunkan dan diterokai untuk meningkatkan ramalan WQI di lembangan Langat. Analisis kepekaan yang komprehensif telah dijalankan di bawah enam senario untuk menentukan kecekapan model dalam ramalan WQI. Dalam kes pertama, model SVM-WQI menunjukkan keupayaan yang sangat baik untuk mereplikasi DOE-WQI dan memperoleh tahap keputusan statistik yang sangat tinggi (pekali korelasi r > 0.95, kecekapan Nash Sutcliffe, NSE >0.88, indeks ketekalan Willmott, WI > 0.96). Dalam senario kedua, proses pemodelan menunjukkan bahawa WQI boleh dianggarkan tanpa enam parameter. Oleh itu, parameter DO adalah faktor yang paling penting dalam menentukan WQI. pH mempunyai kesan paling sedikit terhadap WQI. Di samping itu, Senario 3 hingga 6 menunjukkan kecekapan model dari segi masa dan kos dengan meminimumkan bilangan pembolehubah dalam kombinasi input model (r > 0.6, NSE >0.5 (baik), WI > 0.7 (sangat baik)). Secara keseluruhannya, model ini akan meningkatkan dan mempercepatkan proses membuat keputusan berasaskan data dalam pengurusan kualiti air, menjadikan data lebih mudah diakses dan menarik tanpa campur tangan manusia.
1 Pengenalan
Istilah "pencemaran air" merujuk kepada pencemaran beberapa jenis air, termasuk air permukaan (lautan, tasik dan sungai) dan air bawah tanah. Faktor penting dalam peningkatan masalah ini ialah bahan pencemar tidak dirawat secukupnya sebelum dilepaskan secara langsung atau tidak langsung ke dalam badan air. Perubahan kualiti air mempunyai kesan yang ketara bukan sahaja terhadap persekitaran Marin, tetapi juga terhadap ketersediaan air tawar untuk bekalan air awam dan pertanian. Di negara membangun, pertumbuhan ekonomi yang pesat adalah perkara biasa, dan setiap projek yang menggalakkan pertumbuhan ini boleh memudaratkan alam sekitar. Untuk pengurusan sumber air jangka panjang dan perlindungan manusia dan alam sekitar, pemantauan dan penilaian kualiti air adalah penting. Indeks Kualiti Air, juga dikenali sebagai WQI, diperoleh daripada data kualiti air dan digunakan untuk menentukan status semasa kualiti air sungai. Dalam menilai tahap perubahan kualiti air, banyak pembolehubah mesti dipertimbangkan. WQI ialah indeks tanpa sebarang dimensi. Ia terdiri daripada parameter kualiti air tertentu. WQI menyediakan kaedah untuk mengklasifikasikan kualiti badan air sejarah dan semasa. Nilai WQI yang bermakna boleh mempengaruhi keputusan dan tindakan pembuat keputusan. Pada skala 1 hingga 100, semakin tinggi indeks, semakin baik kualiti air. Secara amnya, kualiti air stesen sungai dengan skor 80 dan ke atas memenuhi piawaian untuk sungai yang bersih. Nilai WQI di bawah 40 dianggap tercemar, manakala nilai WQI antara 40 dan 80 menunjukkan bahawa kualiti air sememangnya sedikit tercemar.
Secara amnya, pengiraan WQI memerlukan satu set transformasi subindeks yang panjang, kompleks dan mudah ralat. Terdapat interaksi tak linear yang kompleks antara WQI dan parameter kualiti air yang lain. Pengiraan WQI boleh menjadi sukar dan mengambil masa yang lama kerana WQI yang berbeza menggunakan formula yang berbeza, yang boleh menyebabkan ralat. Satu cabaran utama ialah mustahil untuk mengira formula untuk WQI jika satu atau lebih parameter kualiti air tiada. Di samping itu, sesetengah piawaian memerlukan prosedur pengumpulan sampel yang memakan masa dan menyeluruh yang mesti dijalankan oleh profesional terlatih untuk menjamin pemeriksaan sampel yang tepat dan paparan keputusan. Walaupun terdapat peningkatan dalam teknologi dan peralatan, pemantauan kualiti air sungai temporal dan spatial yang meluas telah terhalang oleh kos operasi dan pengurusan yang tinggi.
Perbincangan ini menunjukkan bahawa tiada pendekatan global untuk WQI. Ini menimbulkan keperluan untuk membangunkan kaedah alternatif bagi mengira WQI dengan cara yang cekap dan tepat dari segi pengiraan. Penambahbaikan sedemikian mungkin berguna untuk pengurus sumber alam sekitar bagi memantau dan menilai kualiti air sungai. Dalam konteks ini, sesetengah penyelidik telah berjaya menggunakan AI untuk meramalkan WQI; Pemodelan pembelajaran mesin berasaskan Ai mengelakkan pengiraan sub-indeks dan menjana keputusan WQI dengan cepat. Algoritma pembelajaran mesin berasaskan Ai semakin popular kerana seni bina tak linearnya, keupayaan untuk meramalkan peristiwa kompleks, keupayaan untuk mengurus set data yang besar termasuk data dengan pelbagai saiz, dan ketidakpekaan terhadap data yang tidak lengkap. Kuasa ramalannya bergantung sepenuhnya pada kaedah dan ketepatan pengumpulan dan pemprosesan data.
Masa siaran: 21 Nov-2024