Малайзын Байгаль орчны газар (DOE) 25 жилийн турш усны чанарын зургаан гол параметрийг ашигладаг Усны чанарын индекс (WQI)-ийг хэрэгжүүлж ирсэн: ууссан хүчилтөрөгч (DO), биохимийн хүчилтөрөгчийн хэрэгцээ (BOD), химийн хүчилтөрөгчийн хэрэгцээ (COD), рН, аммиакийн азот (AN) болон түдгэлзүүлсэн хатуу бодис (SS). Усны чанарын шинжилгээ нь усны нөөцийн менежментийн чухал бүрэлдэхүүн хэсэг бөгөөд бохирдлоос үүдэлтэй экологийн хохирлыг урьдчилан сэргийлэх, байгаль орчны дүрэм журмыг дагаж мөрдөхийн тулд зохих ёсоор удирдан зохион байгуулах ёстой. Энэ нь шинжилгээний үр дүнтэй аргуудыг тодорхойлох хэрэгцээг нэмэгдүүлдэг. Одоогийн тооцооллын гол бэрхшээлүүдийн нэг нь цаг хугацаа их шаарддаг, нарийн төвөгтэй, алдаа гарах магадлалтай дэд индексийн цуврал тооцооллыг шаарддаг явдал юм. Үүнээс гадна, нэг буюу хэд хэдэн усны чанарын параметр байхгүй бол WQI-г тооцоолох боломжгүй юм. Энэхүү судалгаанд одоогийн үйл явцын нарийн төвөгтэй байдлыг харгалзан WQI-ийн оновчлолын аргыг боловсруулсан болно. Лангат сав газарт WQI-ийн урьдчилсан таамаглалыг сайжруулахын тулд өгөгдөлд суурилсан загварчлал, тухайлбал 10x хөндлөн баталгаажуулалтад суурилсан Nu-Radial суурь функцийг дэмжих вектор машин (SVM)-ийн боломжийг боловсруулж, судалсан. WQI-ийн таамаглалд загварын үр ашгийг тодорхойлохын тулд зургаан хувилбарын дагуу цогц мэдрэмжийн шинжилгээ хийсэн. Эхний тохиолдолд SVM-WQI загвар нь DOE-WQI-ийг хуулбарлах маш сайн чадварыг харуулсан бөгөөд маш өндөр түвшний статистик үр дүнг авсан (корреляцийн коэффициент r > 0.95, Нэш Сатклиффийн үр ашиг, NSE >0.88, Уиллмотын тогтвортой байдлын индекс, WI > 0.96). Хоёр дахь хувилбарт загварчлалын процесс нь WQI-ийг зургаан параметргүйгээр тооцоолж болохыг харуулж байна. Тиймээс DO параметр нь WQI-ийг тодорхойлоход хамгийн чухал хүчин зүйл юм. рН нь WQI-д хамгийн бага нөлөө үзүүлдэг. Нэмж дурдахад, 3-6 хувилбарууд нь загварын оролтын хослол дахь хувьсагчдын тоог хамгийн бага байлгах замаар (r > 0.6, NSE >0.5 (сайн), WI > 0.7 (маш сайн)) загварын үр ашгийг цаг хугацаа, зардлын хувьд харуулдаг. Нийтдээ уг загвар нь усны чанарын менежментийн өгөгдөлд суурилсан шийдвэр гаргалтыг ихээхэн сайжруулж, хурдасгаж, хүний оролцоогүйгээр өгөгдлийг илүү хүртээмжтэй, сонирхолтой болгоно.
1 Оршил
"Усны бохирдол" гэсэн нэр томъёо нь гадаргын ус (далай, нуур, гол мөрөн) болон газрын доорх ус зэрэг хэд хэдэн төрлийн усны бохирдлыг хэлнэ. Энэ асуудлын өсөлтийн чухал хүчин зүйл бол бохирдуулагчийг шууд болон шууд бусаар усны биед хаяхаас өмнө зохих ёсоор цэвэрлээгүй явдал юм. Усны чанарын өөрчлөлт нь зөвхөн далайн орчинд төдийгүй нийтийн усан хангамж, хөдөө аж ахуйн цэвэр усны хүртээмжид ихээхэн нөлөөлдөг. Хөгжиж буй орнуудад эдийн засгийн хурдацтай өсөлт түгээмэл байдаг бөгөөд энэхүү өсөлтийг дэмждэг төсөл бүр байгаль орчинд хор хөнөөл учруулж болзошгүй юм. Усны нөөцийг урт хугацааны менежмент хийх, хүн ам, хүрээлэн буй орчныг хамгаалахын тулд усны чанарыг хянах, үнэлэх нь чухал юм. Усны чанарын индекс буюу WQI нь усны чанарын өгөгдлөөс гаралтай бөгөөд голын усны чанарын өнөөгийн байдлыг тодорхойлоход ашиглагддаг. Усны чанарын өөрчлөлтийн түвшинг үнэлэхдээ олон хувьсагчийг харгалзан үзэх шаардлагатай. WQI нь ямар ч хэмжээсгүй индекс юм. Энэ нь усны чанарын тодорхой параметрүүдээс бүрдэнэ. WQI нь түүхэн болон одоогийн усны биетүүдийн чанарыг ангилах аргыг өгдөг. WQI-ийн утга учиртай утга нь шийдвэр гаргагчдын шийдвэр, үйлдэлд нөлөөлж болно. 1-ээс 100 хүртэлх шатлалаар индекс өндөр байх тусам усны чанар сайжирна. Ерөнхийдөө 80 ба түүнээс дээш оноотой голын станцуудын усны чанар нь цэвэр голын стандартыг хангадаг. WQI утга 40-өөс доош байвал бохирдсон гэж тооцогддог бол WQI утга 40-80 хооронд байвал усны чанар үнэхээр бага зэрэг бохирдсон болохыг илтгэнэ.
Ерөнхийдөө WQI-г тооцоолоход урт, нарийн төвөгтэй, алдаа гарах магадлалтай дэд индексийн хувиргалтын багц шаардлагатай. WQI болон усны чанарын бусад параметрүүдийн хооронд нарийн төвөгтэй шугаман бус харилцан үйлчлэл байдаг. WQI-г тооцоолох нь хэцүү бөгөөд удаан хугацаа шаардаж болно, учир нь өөр өөр WQI нь өөр өөр томъёог ашигладаг бөгөөд энэ нь алдаа гаргахад хүргэдэг. Нэг томоохон бэрхшээл бол усны чанарын нэг буюу хэд хэдэн параметр байхгүй бол WQI-ийн томъёог тооцоолох боломжгүй юм. Үүнээс гадна зарим стандартууд нь дээжийг үнэн зөв шалгаж, үр дүнг харуулахын тулд сургагдсан мэргэжилтнүүдийн гүйцэтгэх ёстой цаг хугацаа шаардсан, бүрэн гүйцэд дээж цуглуулах журмыг шаарддаг. Технологи, тоног төхөөрөмжийн сайжруулалтаас үл хамааран голын усны чанарын өргөн хүрээтэй цаг хугацаа, орон зайн хяналт нь үйл ажиллагаа, менежментийн өндөр зардлаас болж саад болж байна.
Энэхүү хэлэлцүүлэг нь WQI-д дэлхий нийтийн хандлага байхгүй байгааг харуулж байна. Энэ нь WQI-г тооцооллын хувьд үр ашигтай, нарийвчлалтай тооцоолох өөр аргуудыг боловсруулах шаардлагатай болгож байна. Ийм сайжруулалт нь байгаль орчны нөөцийн менежерүүдэд голын усны чанарыг хянаж, үнэлэхэд хэрэгтэй байж болох юм. Энэ хүрээнд зарим судлаачид WQI-г урьдчилан таамаглахад хиймэл оюун ухааныг амжилттай ашигласан; Ai дээр суурилсан машин сургалтын загварчлал нь дэд индексийн тооцооллоос зайлсхийж, WQI-ийн үр дүнг хурдан гаргадаг. Ai дээр суурилсан машин сургалтын алгоритмууд нь шугаман бус архитектур, нарийн төвөгтэй үйл явдлуудыг урьдчилан таамаглах чадвар, янз бүрийн хэмжээтэй өгөгдөл зэрэг том өгөгдлийн багцыг удирдах чадвар, бүрэн бус өгөгдөлд мэдрэмтгий бус байдлаасаа шалтгаалан түгээмэл болж байна. Тэдний урьдчилан таамаглах хүч нь өгөгдөл цуглуулах, боловсруулах арга, нарийвчлалаас бүрэн хамаарна.
Нийтэлсэн цаг: 2024 оны 11-р сарын 21