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 adalah komponen penting dalam pengurusan sumber air dan mesti diuruskan dengan betul untuk mengelakkan kerosakan ekologi daripada pencemaran dan memastikan pematuhan kepada peraturan alam sekitar. Ini meningkatkan keperluan untuk menentukan kaedah yang berkesan untuk analisis. Salah satu cabaran utama pengkomputeran semasa ialah ia memerlukan satu siri pengiraan subindeks yang memakan masa, kompleks dan terdedah kepada ralat. Selain 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 dipacu data, iaitu mesin vektor sokongan fungsi asas Nu-Radial (SVM) berdasarkan pengesahan silang 10x, dibangunkan dan diterokai untuk menambah baik ramalan WQI di lembangan Langat. Analisis sensitiviti komprehensif telah dilakukan 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 terpenting dalam menentukan WQI. pH mempunyai kesan paling sedikit terhadap WQI. Selain 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 keseluruhan, model ini akan menambah baik dan mempercepatkan pembuatan keputusan berdasarkan 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 pertumbuhan masalah ini ialah bahan pencemar tidak dirawat dengan secukupnya sebelum dilepaskan secara langsung atau tidak langsung ke dalam badan air. Perubahan dalam kualiti air memberi kesan yang ketara bukan sahaja kepada persekitaran Marin, tetapi juga kepada 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 membahayakan alam sekitar. Untuk pengurusan jangka panjang sumber air 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 yang bersejarah dan semasa. Nilai WQI yang bermakna boleh mempengaruhi keputusan dan tindakan pembuat keputusan. Pada skala 1 hingga 100, lebih tinggi indeks, lebih baik kualiti air. Secara amnya, kualiti air stesen sungai dengan markah 80 dan ke atas memenuhi piawaian sungai bersih. Nilai WQI di bawah 40 dianggap tercemar, manakala nilai WQI antara 40 dan 80 menunjukkan bahawa kualiti air sememangnya sedikit tercemar.
Secara umum, 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. Mengira WQI boleh menjadi sukar dan mengambil masa yang lama kerana WQI yang berbeza menggunakan formula yang berbeza, yang boleh membawa kepada 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 dihalang oleh kos operasi dan pengurusan yang tinggi.
Perbincangan ini menunjukkan bahawa tiada pendekatan global terhadap WQI. Ini menimbulkan keperluan untuk membangunkan kaedah alternatif untuk mengira WQI dengan cara yang cekap dan tepat dari segi pengiraan. Penambahbaikan sedemikian mungkin berguna untuk pengurus sumber alam sekitar untuk memantau dan menilai kualiti air sungai. Dalam konteks ini, beberapa penyelidik telah berjaya menggunakan AI untuk meramalkan WQI; Pemodelan pembelajaran mesin berasaskan Ai mengelakkan pengiraan sub-indeks dan menjana hasil WQI dengan cepat. Algoritma pembelajaran mesin berasaskan Ai semakin popular kerana seni bina bukan linearnya, keupayaan untuk meramal peristiwa yang kompleks, keupayaan untuk mengurus set data yang besar termasuk data dengan saiz yang berbeza-beza dan ketidakpekaan terhadap data yang tidak lengkap. Kuasa ramalan mereka bergantung sepenuhnya pada kaedah dan ketepatan pengumpulan dan pemprosesan data.
Masa siaran: Nov-21-2024