संवेदनशीलता विश्लेषण के साथ सपोर्ट वेक्टर मशीन का उपयोग करके जल गुणवत्ता सूचकांक की भविष्यवाणी में वृद्धि

25 वर्षों से, मलेशिया का पर्यावरण विभाग (DOE) एक जल गुणवत्ता सूचकांक (WQI) लागू कर रहा है जो छह प्रमुख जल गुणवत्ता मापदंडों का उपयोग करता है: घुलित ऑक्सीजन (DO), जैव रासायनिक ऑक्सीजन माँग (BOD), रासायनिक ऑक्सीजन माँग (COD), pH, अमोनिया नाइट्रोजन (AN) और निलंबित ठोस (SS)। जल गुणवत्ता विश्लेषण जल संसाधन प्रबंधन का एक महत्वपूर्ण घटक है और प्रदूषण से होने वाले पारिस्थितिक नुकसान को रोकने और पर्यावरणीय नियमों का अनुपालन सुनिश्चित करने के लिए इसका उचित प्रबंधन किया जाना चाहिए। इससे विश्लेषण के लिए प्रभावी तरीके निर्धारित करने की आवश्यकता बढ़ जाती है। वर्तमान कंप्यूटिंग की मुख्य चुनौतियों में से एक यह है कि इसके लिए समय लेने वाली, जटिल और त्रुटि-प्रवण उप-सूचकांक गणनाओं की एक श्रृंखला की आवश्यकता होती है। इसके अतिरिक्त, यदि एक या अधिक जल गुणवत्ता पैरामीटर अनुपलब्ध हैं, तो WQI की गणना नहीं की जा सकती। इस अध्ययन में, वर्तमान प्रक्रिया की जटिलता के लिए WQI की एक अनुकूलन विधि विकसित की गई है। 10x क्रॉस-वैलिडेशन पर आधारित डेटा-संचालित मॉडलिंग, अर्थात् न्यू-रेडियल बेसिस फंक्शन सपोर्ट वेक्टर मशीन (SVM), की क्षमता का विकास और अन्वेषण लैंगट बेसिन में WQI की भविष्यवाणी को बेहतर बनाने के लिए किया गया था। WQI भविष्यवाणी में मॉडल की दक्षता निर्धारित करने के लिए छह परिदृश्यों के तहत एक व्यापक संवेदनशीलता विश्लेषण किया गया था। पहले मामले में, मॉडल SVM-WQI ने DOE-WQI को दोहराने की उत्कृष्ट क्षमता दिखाई और सांख्यिकीय परिणामों के बहुत उच्च स्तर प्राप्त किए (सहसंबंध गुणांक r> 0.95, नैश सुटक्लिफ दक्षता, NSE> 0.88, विल्मॉट की संगतता सूचकांक, WI> 0.96)। दूसरे परिदृश्य में, मॉडलिंग प्रक्रिया से पता चलता है कि WQI का अनुमान छह मापदंडों के बिना लगाया जा सकता है। इस प्रकार, DO पैरामीटर WQI निर्धारित करने में सबसे महत्वपूर्ण कारक है। pH का WQI पर सबसे कम प्रभाव पड़ता है। इसके अलावा, परिदृश्य 3 से 6 मॉडल इनपुट संयोजन में चर की संख्या को कम करके समय और लागत के संदर्भ में मॉडल की दक्षता दिखाते हैं (r कुल मिलाकर, यह मॉडल जल गुणवत्ता प्रबंधन में डेटा-आधारित निर्णय लेने की प्रक्रिया में बहुत सुधार करेगा और उसे गति देगा, जिससे मानवीय हस्तक्षेप के बिना डेटा अधिक सुलभ और आकर्षक बन जाएगा।

1 परिचय

"जल प्रदूषण" शब्द का तात्पर्य सतही जल (महासागर, झीलें और नदियाँ) और भूजल सहित कई प्रकार के जल प्रदूषण से है। इस समस्या के बढ़ने का एक महत्वपूर्ण कारण यह है कि प्रदूषकों को प्रत्यक्ष या अप्रत्यक्ष रूप से जल निकायों में छोड़े जाने से पहले पर्याप्त रूप से उपचारित नहीं किया जाता है। जल गुणवत्ता में परिवर्तन का न केवल समुद्री पर्यावरण पर, बल्कि सार्वजनिक जल आपूर्ति और कृषि के लिए मीठे पानी की उपलब्धता पर भी महत्वपूर्ण प्रभाव पड़ता है। विकासशील देशों में, तीव्र आर्थिक विकास आम बात है, और इस विकास को बढ़ावा देने वाली प्रत्येक परियोजना पर्यावरण के लिए हानिकारक हो सकती है। जल संसाधनों के दीर्घकालिक प्रबंधन और लोगों व पर्यावरण की सुरक्षा के लिए, जल गुणवत्ता की निगरानी और मूल्यांकन आवश्यक है। जल गुणवत्ता सूचकांक, जिसे WQI भी कहा जाता है, जल गुणवत्ता के आंकड़ों से प्राप्त होता है और इसका उपयोग नदी जल गुणवत्ता की वर्तमान स्थिति निर्धारित करने के लिए किया जाता है। जल गुणवत्ता में परिवर्तन की मात्रा का आकलन करते समय, कई चरों पर विचार किया जाना चाहिए। WQI एक ऐसा सूचकांक है जिसका कोई आयाम नहीं है। इसमें विशिष्ट जल गुणवत्ता मानदंड शामिल होते हैं। WQI ऐतिहासिक और वर्तमान जल निकायों की गुणवत्ता को वर्गीकृत करने की एक विधि प्रदान करता है। WQI का सार्थक मान निर्णयकर्ताओं के निर्णयों और कार्यों को प्रभावित कर सकता है। 1 से 100 के पैमाने पर, सूचकांक जितना ऊँचा होगा, जल गुणवत्ता उतनी ही बेहतर होगी। सामान्यतः, 80 और उससे अधिक अंक वाले नदी स्टेशनों की जल गुणवत्ता स्वच्छ नदियों के मानकों को पूरा करती है। 40 से कम WQI मान को दूषित माना जाता है, जबकि 40 और 80 के बीच WQI मान दर्शाता है कि जल गुणवत्ता वास्तव में थोड़ी दूषित है।

सामान्यतः, WQI की गणना के लिए उप-सूचकांक रूपांतरणों के एक सेट की आवश्यकता होती है जो लंबे, जटिल और त्रुटि-प्रवण होते हैं। WQI और अन्य जल गुणवत्ता मापदंडों के बीच जटिल अरैखिक अंतःक्रियाएँ होती हैं। WQI की गणना कठिन हो सकती है और इसमें लंबा समय लग सकता है क्योंकि विभिन्न WQI अलग-अलग सूत्रों का उपयोग करते हैं, जिससे त्रुटियाँ हो सकती हैं। एक बड़ी चुनौती यह है कि यदि एक या अधिक जल गुणवत्ता मापदंड अनुपस्थित हों, तो WQI के सूत्र की गणना करना असंभव है। इसके अतिरिक्त, कुछ मानकों के लिए समय लेने वाली, विस्तृत नमूना संग्रह प्रक्रियाओं की आवश्यकता होती है, जिन्हें नमूनों की सटीक जाँच और परिणामों के प्रदर्शन की गारंटी के लिए प्रशिक्षित पेशेवरों द्वारा ही किया जाना चाहिए। प्रौद्योगिकी और उपकरणों में सुधार के बावजूद, व्यापक अस्थायी और स्थानिक नदी जल गुणवत्ता निगरानी उच्च परिचालन और प्रबंधन लागतों के कारण बाधित रही है।

यह चर्चा दर्शाती है कि WQI के लिए कोई वैश्विक दृष्टिकोण नहीं है। इससे WQI की गणना के लिए कम्प्यूटेशनल रूप से कुशल और सटीक तरीके से वैकल्पिक तरीके विकसित करने की आवश्यकता उत्पन्न होती है। ऐसे सुधार पर्यावरण संसाधन प्रबंधकों के लिए नदी जल गुणवत्ता की निगरानी और आकलन हेतु उपयोगी हो सकते हैं। इस संदर्भ में, कुछ शोधकर्ताओं ने WQI का पूर्वानुमान लगाने के लिए AI का सफलतापूर्वक उपयोग किया है; AI-आधारित मशीन लर्निंग मॉडलिंग उप-सूचकांक गणना से बचती है और WQI परिणाम शीघ्रता से उत्पन्न करती है। AI-आधारित मशीन लर्निंग एल्गोरिदम अपनी अरैखिक संरचना, जटिल घटनाओं का पूर्वानुमान लगाने की क्षमता, विभिन्न आकारों के डेटा सहित बड़े डेटा सेटों को प्रबंधित करने की क्षमता और अपूर्ण डेटा के प्रति असंवेदनशीलता के कारण लोकप्रियता प्राप्त कर रहे हैं। उनकी पूर्वानुमान क्षमता पूरी तरह से डेटा संग्रह और प्रसंस्करण की विधि और सटीकता पर निर्भर करती है।