マレーシア環境省（DOE）は25年間にわたり、溶存酸素（DO）、生物化学的酸素要求量（BOD）、化学的酸素要求量（COD）、pH、アンモニア性窒素（AN）、浮遊物質（SS）の6つの主要な水質パラメータを使用する水質指数（WQI）を実施してきました。水質分析は水資源管理の重要な要素であり、汚染による生態系への被害を防ぎ、環境規制を遵守するためには適切に管理されなければなりません。このため、分析のための効果的な方法を定義する必要性が高まっています。現在のコンピューティングの主な課題の1つは、時間がかかり、複雑で、エラーが発生しやすいサブインデックス計算を何度も実行する必要があることです。さらに、1つ以上の水質パラメータが欠落しているとWQIを計算できません。本研究では、現在のプロセスの複雑さを考慮してWQIの最適化手法を開発しました。ランガット流域の水質指標（WQI）の予測を改善するため、データ駆動型モデリング、すなわち10倍交差検証に基づくNu-ラジアル基底関数サポートベクターマシン（SVM）の可能性が開発され、調査された。水質指標（WQI）予測におけるモデルの効率を判定するため、6つのシナリオで包括的な感度分析を実施した。最初のケースでは、SVM-WQIモデルはDOE-WQIを再現する優れた能力を示し、非常に高いレベルの統計結果（相関係数r> 0.95、ナッシュ・サトクリフ効率、NSE> 0.88、ウィルモットの一貫性指数、WI> 0.96）を得た。2番目のシナリオでは、モデリングプロセスによって、6つのパラメータを使用せずに水質指標（WQI）を推定できることがわかる。したがって、DOパラメータは水質指標（WQI）を決定する上で最も重要な要素である。pHは水質指標（WQI）への影響が最も小さい。さらに、シナリオ3から6では、モデル入力の組み合わせにおける変数の数を最小限に抑えることで、時間とコストの観点からモデルの効率性を示しています（r > 0.6、NSE > 0.5（良好）、WI > 0.7（非常に良好））。これらを総合的に見ると、このモデルは水質管理におけるデータ主導の意思決定を大幅に改善・加速し、人間の介入なしにデータへのアクセスと利用性を向上させます。
1 はじめに
「水質汚染」という用語は、表層水（海洋、湖沼、河川）や地下水など、様々な種類の水の汚染を指します。この問題の深刻化の大きな要因は、汚染物質が直接的または間接的に水域に放出される前に適切に処理されていないことです。水質の変化は、海洋環境だけでなく、公共水道や農業用の淡水の供給にも大きな影響を与えます。発展途上国では急速な経済成長が一般的であり、この成長を促進するあらゆるプロジェクトは環境に悪影響を及ぼす可能性があります。水資源の長期的な管理、そして人々と環境の保護のためには、水質の監視と評価が不可欠です。水質指数（WQI）は水質データから算出され、河川水質の現状を判断するために使用されます。水質の変化の程度を評価するには、多くの変数を考慮する必要があります。WQIは次元のない指数であり、特定の水質パラメータで構成されています。WQIは、過去および現在の水域の水質を分類する方法を提供します。 WQIの値は、意思決定者の意思決定や行動に影響を与える可能性があります。1から100のスケールで、指数が高いほど水質が良いことを示します。一般的に、80以上のスコアを持つ河川観測所の水質は、清浄な河川の基準を満たしています。WQI値が40未満の場合は汚染されているとみなされ、40から80の間の値は、水質がわずかに汚染されていることを示します。
一般的に、水質水質指標（WQI）の計算には、長く複雑で、エラーが発生しやすい一連のサブインデックス変換が必要です。WQIと他の水質パラメータの間には、複雑な非線形相互作用があります。WQIごとに異なる計算式が使用されるため、WQIの計算は困難で長い時間がかかり、エラーにつながる可能性があります。大きな課題の1つは、1つ以上の水質パラメータが欠落している場合、WQIの計算式を計算できないことです。さらに、一部の基準では、サンプルの正確な検査と結果の表示を保証するために、訓練を受けた専門家が時間のかかる徹底的なサンプル収集手順を実行する必要があります。技術と機器の改善にもかかわらず、河川水質の広範な時間的および空間的モニタリングは、高い運用・管理コストによって妨げられてきました。
この議論は、WQIへの普遍的なアプローチが存在しないことを示しています。そのため、計算効率が高く正確な方法でWQIを計算するための代替手法を開発する必要があります。このような改善は、環境資源管理者が河川水質を監視および評価するのに役立つ可能性があります。この文脈において、一部の研究者はAIを用いてWQIを予測することに成功しています。AIベースの機械学習モデリングは、サブインデックスの計算を回避し、WQIの結果を迅速に生成します。AIベースの機械学習アルゴリズムは、非線形アーキテクチャ、複雑なイベントを予測する能力、さまざまなサイズのデータを含む大規模なデータセットを管理する能力、不完全なデータに対する鈍感さにより、人気が高まっています。その予測力は、データの収集と処理の方法と精度に完全に依存します。
投稿日時: 2024年11月21日