マレーシア環境省（DOE）は25年間、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、アンモニア態窒素（AN）、浮遊物質（SS）の6つの主要な水質パラメータを用いた水質指数（WQI）を導入してきました。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する必要があります。そのため、効果的な分析方法を定義する必要性が高まっています。現在の計算方法の主な課題の1つは、時間のかかる複雑でエラーが発生しやすい一連のサブインデックス計算が必要となることです。さらに、1つ以上の水質パラメータが欠落している場合、WQIを計算することができません。本研究では、現在のプロセスの複雑さに対処するため、WQIの最適化方法を開発しました。データ駆動型モデリングの可能性、すなわち10倍交差検証に基づくNu-Radial基底関数サポートベクターマシン（SVM）が開発され、ランガット盆地の水質指数（WQI）の予測精度向上に活用されました。包括的な感度分析が6つのシナリオで実施され、WQI予測におけるモデルの有効性が評価されました。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、非常に高い統計的結果（相関係数r > 0.95、Nash Sutcliffe効率、NSE > 0.88、Willmottの一貫性指数、WI > 0.96）が得られました。2番目のシナリオでは、モデリングプロセスにより、6つのパラメータなしでWQIを推定できることが示されました。したがって、DOパラメータはWQIを決定する上で最も重要な要素であり、pHはWQIへの影響が最も小さいことが分かりました。さらに、シナリオ3～6では、モデル入力組み合わせにおける変数の数を最小限に抑えることで、時間とコストの面で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））。総合的に見て、このモデルは水質管理におけるデータ駆動型意思決定を大幅に改善・加速させ、人間の介入なしにデータをより利用しやすく、魅力的なものにします。
1. はじめに
「水質汚染」という用語は、地表水（海洋、湖沼、河川）や地下水など、さまざまな種類の水の汚染を指します。この問題が深刻化している大きな要因は、汚染物質が水域に直接的または間接的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、公共用水や農業用水の淡水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が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と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、水質データから導き出され、河川水質の現状を判断するために使用されます。水質の変化の度合いを評価する際には、多くの変数を考慮する必要があります。WQIは無次元の指数です。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の持つ意義深い値は、意思決定者の判断や行動に影響を与える可能性があります。1から100までの尺度で、指数が高いほど水質が良いことを示します。一般的に、WQIスコアが80以上の河川観測地点の水質は、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の間の場合は、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、WQIの計算には、長くて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の計算は、異なるWQIが異なる式を使用するため、エラーが発生する可能性があり、困難で時間がかかる場合があります。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の式を計算することが不可能であることです。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実施しなければならない、時間のかかる徹底的なサンプル収集手順が求められます。技術と機器の進歩にもかかわらず、広範囲にわたる時間的および空間的な河川水質モニタリングは、高い運用および管理コストによって妨げられてきました。
この議論から、WQIに対するグローバルなアプローチが存在しないことが明らかになった。そのため、WQIを計算効率が高く正確な方法で算出するための代替手法の開発が求められる。このような改善は、環境資源管理者が河川水質を監視・評価する上で役立つ可能性がある。こうした状況において、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る。AIベースの機械学習モデルは、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する。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、複雑な事象を予測する能力、さまざまなサイズのデータを含む大規模データセットを管理する能力、および不完全なデータに対する非感受性といった利点から、人気が高まっている。その予測力は、データ収集と処理の方法と精度に完全に依存している。
投稿日時：2024年11月21日