संवेदनशीलता विश्लेषण के साथ सपोर्ट वेक्टर मशीन का उपयोग करके जल गुणवत्ता सूचकांक पूर्वानुमान में सुधार

मलेशिया के पर्यावरण विभाग (डीओई) ने 25 वर्षों से जल गुणवत्ता सूचकांक (डब्ल्यूक्यूआई) लागू किया है, जो छह प्रमुख जल गुणवत्ता मापदंडों का उपयोग करता है: घुलित ऑक्सीजन (डीओ), जैव रासायनिक ऑक्सीजन मांग (बीओडी), रासायनिक ऑक्सीजन मांग (सीओडी), पीएच, अमोनिया नाइट्रोजन (एएन) और निलंबित ठोस (एसएस)। 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 आवश्यक है। इससे विश्लेषण के लिए प्रभावी विधियों को परिभाषित करने की आवश्यकता बढ़ जाती है। वर्तमान कंप्यूटिंग की मुख्य चुनौतियों में से एक यह है कि इसमें समय लेने वाली, जटिल और त्रुटि-प्रवण उप-सूचकांक गणनाओं की एक श्रृंखला की आवश्यकता होती है। इसके अलावा, यदि एक या अधिक जल गुणवत्ता मापदंड अनुपलब्ध हैं तो डब्ल्यूक्यूआई की गणना नहीं की जा सकती है। इस अध्ययन में, वर्तमान प्रक्रिया की जटिलता के लिए डब्ल्यूक्यूआई के अनुकूलन की एक विधि विकसित की गई है। लंगाट बेसिन में डब्ल्यूक्यूआई के पूर्वानुमान में सुधार के लिए डेटा-संचालित मॉडलिंग, अर्थात् 10x क्रॉस-वैलिडेशन पर आधारित नु-रेडियल बेसिस फंक्शन सपोर्ट वेक्टर मशीन (एसवीएम) की क्षमता को विकसित और खोजा गया। विश्व गुणवत्ता सूचकांक (WQI) पूर्वानुमान में मॉडल की दक्षता निर्धारित करने के लिए छह परिदृश्यों के तहत एक व्यापक संवेदनशीलता विश्लेषण किया गया। पहले मामले में, SVM-WQI मॉडल ने DOE-WQI को दोहराने की उत्कृष्ट क्षमता प्रदर्शित की और सांख्यिकीय परिणामों का उच्च स्तर प्राप्त किया (सहसंबंध गुणांक r > 0.95, नैश सटक्लिफ दक्षता, NSE > 0.88, विलमॉट का संगति 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 मापदंड WQI निर्धारित करने में सबसे महत्वपूर्ण कारक है। pH का WQI पर सबसे कम प्रभाव पड़ता है। इसके अलावा, परिदृश्य 3 से 6 तक मॉडल इनपुट संयोजन में चरों की संख्या को कम करके समय और लागत के संदर्भ में मॉडल की दक्षता दर्शाते हैं (r > 0.6, NSE > 0.5 (अच्छा), WI > 0.7 (बहुत अच्छा))। कुल मिलाकर, यह मॉडल जल गुणवत्ता प्रबंधन में डेटा-आधारित निर्णय लेने की प्रक्रिया को काफी हद तक बेहतर और तेज करेगा, 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 के प्रदूषण से है। इस समस्या के बढ़ने का एक महत्वपूर्ण कारण यह है कि प्रदूषकों को जल निकायों में प्रत्यक्ष या अप्रत्यक्ष रूप से छोड़े जाने से पहले उनका पर्याप्त उपचार नहीं किया जाता है। जल गुणवत्ता में परिवर्तन का प्रभाव न केवल समुद्री पर्यावरण पर पड़ता है, बल्कि सार्वजनिक जल आपूर्ति और कृषि के लिए ताजे पानी की उपलब्धता पर भी पड़ता है। विकासशील देशों में तीव्र आर्थिक विकास आम बात है, और इस विकास को बढ़ावा देने वाली हर परियोजना पर्यावरण के लिए हानिकारक हो सकती है। जल संसाधनों के दीर्घकालिक प्रबंधन और लोगों एवं पर्यावरण की सुरक्षा के लिए जल गुणवत्ता की निगरानी और मूल्यांकन आवश्यक है। जल गुणवत्ता सूचकांक (WQI) जल गुणवत्ता आंकड़ों से प्राप्त किया जाता है और इसका उपयोग नदी के जल की वर्तमान स्थिति का निर्धारण करने के लिए किया जाता है। जल गुणवत्ता में परिवर्तन की मात्रा का आकलन करते समय कई कारकों पर विचार करना आवश्यक है। WQI एक आयामरहित सूचकांक है। इसमें विशिष्ट जल गुणवत्ता मापदंड शामिल होते हैं। WQI ऐतिहासिक और वर्तमान जल निकायों की गुणवत्ता को वर्गीकृत करने की एक विधि प्रदान करता है। जल गुणवत्ता सूचकांक (WQI) का सार्थक मूल्य निर्णयकर्ताओं के निर्णयों और कार्यों को प्रभावित कर सकता है। 1 से 100 के पैमाने पर, सूचकांक जितना अधिक होगा, जल गुणवत्ता उतनी ही बेहतर होगी। सामान्य तौर पर, 80 या उससे अधिक अंक प्राप्त करने वाले नदी केंद्रों का जल स्वच्छ नदियों के मानकों को पूरा करता है। 40 से कम WQI मान को दूषित माना जाता है, जबकि 40 और 80 के बीच का WQI मान दर्शाता है कि जल गुणवत्ता थोड़ी दूषित है।

सामान्य तौर पर, जल गुणवत्ता सूचकांक (WQI) की गणना के लिए कई उप-सूचकांक रूपांतरणों की आवश्यकता होती है जो लंबे, जटिल और त्रुटि-प्रवण होते हैं। WQI और अन्य जल गुणवत्ता मापदंडों के बीच जटिल गैर-रेखीय अंतःक्रियाएं होती हैं। WQI की गणना कठिन और समय लेने वाली हो सकती है क्योंकि विभिन्न WQI अलग-अलग सूत्रों का उपयोग करते हैं, जिससे त्रुटियां हो सकती हैं। एक प्रमुख चुनौती यह है कि यदि एक या अधिक जल गुणवत्ता मापदंड अनुपलब्ध हों तो WQI के सूत्र की गणना करना असंभव है। इसके अलावा, कुछ मानकों के लिए समय लेने वाली, व्यापक नमूना संग्रह प्रक्रियाओं की आवश्यकता होती है जिन्हें प्रशिक्षित पेशेवरों द्वारा किया जाना चाहिए ताकि नमूनों की सटीक जांच और परिणामों का प्रदर्शन सुनिश्चित किया जा सके। प्रौद्योगिकी और उपकरणों में सुधार के बावजूद, व्यापक सामयिक और स्थानिक नदी जल गुणवत्ता निगरानी उच्च परिचालन और प्रबंधन लागतों के कारण बाधित रही है।

इस चर्चा से पता चलता है कि जल गुणवत्ता सूचकांक (WQI) के लिए कोई वैश्विक दृष्टिकोण नहीं है। इससे यह आवश्यकता उत्पन्न होती है कि WQI की गणना के लिए वैकल्पिक विधियों को विकसित किया जाए जो गणनात्मक रूप से कुशल और सटीक हों। इस प्रकार के सुधार पर्यावरण संसाधन प्रबंधकों के लिए नदी जल गुणवत्ता की निगरानी और मूल्यांकन में उपयोगी हो सकते हैं। इस संदर्भ में, कुछ शोधकर्ताओं ने WQI का पूर्वानुमान लगाने के लिए कृत्रिम बुद्धिमत्ता (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 गैर-रेखीय 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।