உணர்திறன் பகுப்பாய்வுடன் ஆதரவு திசையன் இயந்திரத்தைப் பயன்படுத்தி நீர் தரக் குறியீட்டு முன்கணிப்பை மேம்படுத்துதல்

25 ஆண்டுகளாக, மலேசியாவின் சுற்றுச்சூழல் துறை (DOE) ஆறு முக்கிய நீர் தர அளவுருக்களைப் பயன்படுத்தும் நீர் தரக் குறியீட்டை (WQI) செயல்படுத்தி வருகிறது: கரைந்த ஆக்ஸிஜன் (DO), உயிர்வேதியியல் ஆக்ஸிஜன் தேவை (BOD), வேதியியல் ஆக்ஸிஜன் தேவை (COD), pH, அம்மோனியா நைட்ரஜன் (AN) மற்றும் மிதக்கும் திடப்பொருட்கள் (SS). நீர் தரப் பகுப்பாய்வு என்பது நீர் வள மேலாண்மையின் ஒரு முக்கிய அங்கமாகும். மாசுபாட்டினால் ஏற்படும் சூழலியல் சேதத்தைத் தடுக்கவும், சுற்றுச்சூழல் விதிமுறைகளுக்கு இணங்குவதை உறுதி செய்யவும் இது முறையாக நிர்வகிக்கப்பட வேண்டும். இது, பகுப்பாய்விற்கான திறமையான முறைகளை வரையறுக்க வேண்டிய தேவையை அதிகரிக்கிறது. தற்போதைய கணினிச் செயலாக்கத்தின் முக்கிய சவால்களில் ஒன்று, இதற்கு அதிக நேரம் எடுக்கும், சிக்கலான மற்றும் பிழை ஏற்படக்கூடிய தொடர்ச்சியான துணைக்குறியீட்டுக் கணக்கீடுகள் தேவைப்படுவதாகும். மேலும், ஒன்று அல்லது அதற்கு மேற்பட்ட நீர் தர அளவுருக்கள் விடுபட்டிருந்தால், நீர் தரக் குறியீட்டைக் கணக்கிட முடியாது. இந்த ஆய்வில், தற்போதைய செயல்முறையின் சிக்கலான தன்மைக்காக நீர் தரக் குறியீட்டை உகந்ததாக்கும் ஒரு முறை உருவாக்கப்பட்டுள்ளது. லாங்காட் படுகையில் நீர் தரக் குறியீட்டின் கணிப்பை மேம்படுத்துவதற்காக, தரவு சார்ந்த மாதிரியாக்கத்தின், அதாவது 10x குறுக்கு-சரிபார்ப்பை அடிப்படையாகக் கொண்ட நியூ-ரேடியல் அடிப்படைச் சார்பு ஆதரவு திசையன் இயந்திரத்தின் (SVM) திறன் உருவாக்கப்பட்டு ஆராயப்பட்டது. நீர் தரக் குறியீட்டைக் (WQI) கணிப்பதில் மாதிரியின் செயல்திறனைத் தீர்மானிக்க, ஆறு சூழ்நிலைகளின் கீழ் ஒரு விரிவான உணர்திறன் பகுப்பாய்வு மேற்கொள்ளப்பட்டது. முதல் சூழ்நிலையில், SVM-WQI மாதிரியானது DOE-WQI மாதிரியைப் பிரதிபலிப்பதில் சிறந்த திறனைக் காட்டியதுடன், மிக உயர்ந்த புள்ளிவிவர முடிவுகளையும் (ஒட்டுறவுக் குணகம் r > 0.95, நாஷ் சட்க்ளிஃப் செயல்திறன், NSE >0.88, வில்மாட்டின் நிலைத்தன்மைக் குறியீடு, WI > 0.96) பெற்றது. இரண்டாவது சூழ்நிலையில், மாதிரியாக்கச் செயல்முறையானது ஆறு அளவுருக்கள் இல்லாமலேயே நீர் தரக் குறியீட்டைக் (WQI) கணக்கிட முடியும் என்பதைக் காட்டுகிறது. எனவே, நீர் தரக் குறியீட்டைத் (WQI) தீர்மானிப்பதில் கரைந்த ஆக்ஸிஜன் (DO) அளவுருவே மிக முக்கியமான காரணியாகும். நீர் தரக் குறியீட்டின் (WQI) மீது pH மிகக் குறைந்த தாக்கத்தையே கொண்டுள்ளது. மேலும், சூழ்நிலைகள் 3 முதல் 6 வரை, மாதிரி உள்ளீட்டுக் கலவையில் உள்ள மாறிகளின் எண்ணிக்கையைக் குறைப்பதன் மூலம், நேரம் மற்றும் செலவின் அடிப்படையில் மாதிரியின் செயல்திறனைக் காட்டுகின்றன (r > 0.6, NSE >0.5 (நன்று), WI > 0.7 (மிக நன்று)). ஒட்டுமொத்தமாக, இந்த மாதிரியானது நீர் தர மேலாண்மையில் தரவு சார்ந்த முடிவெடுக்கும் செயல்முறையை வெகுவாக மேம்படுத்தி வேகப்படுத்தும், மேலும் மனிதத் தலையீடு இன்றி தரவுகளை எளிதில் அணுகக்கூடியதாகவும் ஈர்க்கக்கூடியதாகவும் மாற்றும்.

1 அறிமுகம்

"நீர் மாசுபாடு" என்ற சொல், மேற்பரப்பு நீர் (பெருங்கடல்கள், ஏரிகள் மற்றும் ஆறுகள்) மற்றும் நிலத்தடி நீர் உள்ளிட்ட பல வகையான நீர் மாசுபாட்டைக் குறிக்கிறது. இந்தப் பிரச்சனையின் வளர்ச்சிக்கு ஒரு முக்கியக் காரணம், மாசுபடுத்திகள் நீர்நிலைகளில் நேரடியாகவோ அல்லது மறைமுகமாகவோ வெளியிடப்படுவதற்கு முன்பு போதுமான அளவு சுத்திகரிக்கப்படாததே ஆகும். நீரின் தரத்தில் ஏற்படும் மாற்றங்கள், கடல்சார் சூழலில் மட்டுமல்லாமல், பொது நீர் வழங்கல் மற்றும் விவசாயத்திற்கான நன்னீர் கிடைப்பதிலும் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்துகின்றன. வளரும் நாடுகளில், விரைவான பொருளாதார வளர்ச்சி என்பது பொதுவானது, மேலும் இந்த வளர்ச்சியை ஊக்குவிக்கும் ஒவ்வொரு திட்டமும் சுற்றுச்சூழலுக்குத் தீங்கு விளைவிக்கக்கூடும். நீர் வளங்களின் நீண்டகால மேலாண்மைக்கும், மக்களையும் சுற்றுச்சூழலையும் பாதுகாப்பதற்கும், நீரின் தரத்தைக் கண்காணிப்பதும் மதிப்பிடுவதும் அவசியமாகும். WQI என்றும் அழைக்கப்படும் நீர் தரக் குறியீடு, நீர் தரத் தரவுகளிலிருந்து பெறப்படுகிறது மற்றும் ஆற்று நீரின் தரத்தின் தற்போதைய நிலையைத் தீர்மானிக்கப் பயன்படுகிறது. நீரின் தரத்தில் ஏற்படும் மாற்றத்தின் அளவை மதிப்பிடும்போது, ​​பல மாறிகளைக் கருத்தில் கொள்ள வேண்டும். WQI என்பது எந்தப் பரிமாணமும் இல்லாத ஒரு குறியீடாகும். இது குறிப்பிட்ட நீர் தர அளவுருக்களைக் கொண்டுள்ளது. WQI, கடந்தகால மற்றும் தற்போதைய நீர்நிலைகளின் தரத்தை வகைப்படுத்துவதற்கான ஒரு முறையை வழங்குகிறது. நீர் தரக் குறியீட்டின் (WQI) அர்த்தமுள்ள மதிப்பு, முடிவெடுப்பவர்களின் முடிவுகளையும் நடவடிக்கைகளையும் பாதிக்கக்கூடும். 1 முதல் 100 வரையிலான அளவுகோலில், குறியீடு அதிகமாக இருந்தால், நீரின் தரம் சிறப்பாக இருக்கும். பொதுவாக, 80 மற்றும் அதற்கு மேற்பட்ட மதிப்பெண்களைக் கொண்ட ஆற்று நிலையங்களின் நீரின் தரம், தூய்மையான ஆறுகளுக்கான தரநிலைகளைப் பூர்த்தி செய்கிறது. 40-க்குக் குறைவான WQI மதிப்பு அசுத்தமானதாகக் கருதப்படுகிறது, அதேசமயம் 40 முதல் 80 வரையிலான WQI மதிப்பு, நீரின் தரம் உண்மையில் சிறிதளவு அசுத்தமாக உள்ளது என்பதைக் குறிக்கிறது.

பொதுவாக, நீர் தரக் குறியீட்டைக் (WQI) கணக்கிடுவதற்கு, நீண்ட, சிக்கலான மற்றும் பிழை ஏற்படக்கூடிய பல துணைக்குறியீட்டு உருமாற்றங்கள் தேவைப்படுகின்றன. நீர் தரக் குறியீட்டிற்கும் மற்ற நீர் தர அளவுருக்களுக்கும் இடையே சிக்கலான நேரியல் அல்லாத இடைவினைகள் உள்ளன. வெவ்வேறு நீர் தரக் குறியீடுகள் வெவ்வேறு சூத்திரங்களைப் பயன்படுத்துவதால், நீர் தரக் குறியீடுகளைக் கணக்கிடுவது கடினமாகவும் அதிக நேரம் எடுக்கக்கூடியதாகவும் இருக்கும், இது பிழைகளுக்கு வழிவகுக்கும். ஒன்று அல்லது அதற்கு மேற்பட்ட நீர் தர அளவுருக்கள் விடுபட்டிருந்தால், நீர் தரக் குறியீட்டிற்கான சூத்திரத்தைக் கணக்கிட இயலாது என்பதே ஒரு முக்கிய சவாலாகும். மேலும், மாதிரிகளின் துல்லியமான பரிசோதனை மற்றும் முடிவுகளின் காட்சிப்படுத்தலை உறுதி செய்வதற்காக, சில தரநிலைகள் அதிக நேரம் எடுக்கும், முழுமையான மாதிரி சேகரிப்பு நடைமுறைகளைக் கோருகின்றன; இவற்றை பயிற்சி பெற்ற நிபுணர்களால் மேற்கொள்ளப்பட வேண்டும். தொழில்நுட்பம் மற்றும் உபகரணங்களில் முன்னேற்றங்கள் இருந்தபோதிலும், அதிக செயல்பாட்டு மற்றும் மேலாண்மைச் செலவுகள் காரணமாக, விரிவான கால மற்றும் இடஞ்சார்ந்த ஆற்று நீர் தரக் கண்காணிப்பு தடைபட்டுள்ளது.

நீர் தரக் குறியீட்டிற்கு (WQI) உலகளாவிய அணுகுமுறை எதுவும் இல்லை என்பதை இந்த விவாதம் காட்டுகிறது. இது, கணக்கீட்டுத் திறனுடனும் துல்லியமாகவும் நீர் தரக் குறியீட்டைக் கணக்கிடுவதற்கான மாற்று முறைகளை உருவாக்க வேண்டிய தேவையை எழுப்புகிறது. இத்தகைய மேம்பாடுகள், சுற்றுச்சூழல் வள மேலாளர்களுக்கு ஆற்று நீரின் தரத்தைக் கண்காணிக்கவும் மதிப்பிடவும் பயனுள்ளதாக இருக்கலாம். இந்தச் சூழலில், சில ஆராய்ச்சியாளர்கள் நீர் தரக் குறியீட்டைக் கணிக்க செயற்கை நுண்ணறிவை (AI) வெற்றிகரமாகப் பயன்படுத்தியுள்ளனர்; செயற்கை நுண்ணறிவு அடிப்படையிலான இயந்திர கற்றல் மாதிரியாக்கம், துணைக்குறியீட்டுக் கணக்கீட்டைத் தவிர்த்து, நீர் தரக் குறியீட்டு முடிவுகளை விரைவாக உருவாக்குகிறது. செயற்கை நுண்ணறிவு அடிப்படையிலான இயந்திர கற்றல் வழிமுறைகள், அவற்றின் நேரியல் அல்லாத கட்டமைப்பு, சிக்கலான நிகழ்வுகளைக் கணிக்கும் திறன், பல்வேறு அளவிலான தரவுகள் உட்பட பெரிய தரவுத் தொகுப்புகளை நிர்வகிக்கும் திறன் மற்றும் முழுமையற்ற தரவுகளால் பாதிக்கப்படாத தன்மை ஆகியவற்றின் காரணமாகப் பிரபலமடைந்து வருகின்றன. அவற்றின் முன்கணிப்புத் திறன், தரவு சேகரிப்பு மற்றும் செயலாக்கத்தின் முறை மற்றும் துல்லியத்தை முழுமையாகச் சார்ந்துள்ளது.