সংবেদনশীলতা বিশ্লেষণ সহ সাপোর্ট ভেক্টর মেশিন ব্যবহার করে পানির গুণমান সূচক পূর্বাভাসের উন্নয়ন

বিগত ২৫ বছর ধরে, মালয়েশিয়ার পরিবেশ বিভাগ (DOE) একটি জল গুণমান সূচক (WQI) প্রয়োগ করে আসছে, যা ছয়টি প্রধান জল গুণমান পরামিতি ব্যবহার করে: দ্রবীভূত অক্সিজেন (DO), জৈব রাসায়নিক অক্সিজেন চাহিদা (BOD), রাসায়নিক অক্সিজেন চাহিদা (COD), pH, অ্যামোনিয়া নাইট্রোজেন (AN) এবং ভাসমান কঠিন পদার্থ (SS)। জল গুণমান বিশ্লেষণ জলসম্পদ ব্যবস্থাপনার একটি গুরুত্বপূর্ণ উপাদান এবং দূষণ থেকে পরিবেশগত ক্ষতি রোধ করতে ও পরিবেশগত নিয়মকানুন মেনে চলা নিশ্চিত করতে এর যথাযথ ব্যবস্থাপনা আবশ্যক। এর ফলে বিশ্লেষণের জন্য কার্যকর পদ্ধতি নির্ধারণের প্রয়োজনীয়তা বৃদ্ধি পায়। বর্তমান কম্পিউটিং-এর অন্যতম প্রধান চ্যালেঞ্জ হলো এর জন্য ধারাবাহিক সময়সাপেক্ষ, জটিল এবং ত্রুটিপ্রবণ উপ-সূচক গণনার প্রয়োজন হয়। এছাড়াও, এক বা একাধিক জল গুণমান পরামিতি অনুপস্থিত থাকলে WQI গণনা করা যায় না। এই গবেষণায়, বর্তমান প্রক্রিয়ার জটিলতার জন্য WQI-এর একটি অপ্টিমাইজেশন পদ্ধতি তৈরি করা হয়েছে। লাঙ্গাত অববাহিকায় WQI-এর পূর্বাভাস উন্নত করার জন্য, ১০x ক্রস-ভ্যালিডেশনের উপর ভিত্তি করে ডেটা-চালিত মডেলিং, অর্থাৎ নিউ-রেডিয়াল বেসিস ফাংশন সাপোর্ট ভেক্টর মেশিন (SVM)-এর সম্ভাবনা তৈরি ও অন্বেষণ করা হয়েছে। WQI পূর্বাভাসে মডেলটির কার্যকারিতা নির্ধারণের জন্য ছয়টি পরিস্থিতিতে একটি ব্যাপক সংবেদনশীলতা বিশ্লেষণ করা হয়েছিল। প্রথম ক্ষেত্রে, SVM-WQI মডেলটি DOE-WQI-কে প্রতিলিপি করার চমৎকার ক্ষমতা দেখিয়েছে এবং খুব উচ্চ স্তরের পরিসংখ্যানগত ফলাফল অর্জন করেছে (সহসম্পর্ক গুণাঙ্ক r > ০.৯৫, ন্যাশ সাটক্লিফ কার্যকারিতা, NSE > ০.৮৮, উইলমটের সামঞ্জস্য সূচক, WI > ০.৯৬)। দ্বিতীয় পরিস্থিতিতে, মডেলিং প্রক্রিয়াটি দেখায় যে ছয়টি প্যারামিটার ছাড়াই WQI অনুমান করা যেতে পারে। সুতরাং, WQI নির্ধারণে DO প্যারামিটারটি সবচেয়ে গুরুত্বপূর্ণ উপাদান। WQI-এর উপর pH-এর প্রভাব সবচেয়ে কম। এছাড়াও, ৩ থেকে ৬ নম্বর পরিস্থিতিগুলো মডেলের ইনপুট সংমিশ্রণে চলকের সংখ্যা কমিয়ে সময় এবং খরচের দিক থেকে মডেলটির কার্যকারিতা প্রদর্শন করে (r > ০.৬, NSE > ০.৫ (ভালো), WI > ০.৭ (খুব ভালো))। সব মিলিয়ে, মডেলটি জল গুণমান ব্যবস্থাপনায় ডেটা-ভিত্তিক সিদ্ধান্ত গ্রহণকে ব্যাপকভাবে উন্নত ও ত্বরান্বিত করবে, যা মানুষের হস্তক্ষেপ ছাড়াই ডেটাকে আরও সহজলভ্য এবং আকর্ষক করে তুলবে।

১ ভূমিকা

“জল দূষণ” বলতে ভূপৃষ্ঠের জল (মহাসাগর, হ্রদ এবং নদী) এবং ভূগর্ভস্থ জলসহ বিভিন্ন ধরণের জলের দূষণকে বোঝায়। এই সমস্যা বৃদ্ধির একটি উল্লেখযোগ্য কারণ হলো, দূষক পদার্থগুলোকে প্রত্যক্ষ বা পরোক্ষভাবে জলাশয়ে ছাড়ার আগে যথাযথভাবে শোধন করা হয় না। জলের গুণগত মানের পরিবর্তন শুধু সামুদ্রিক পরিবেশের উপরই নয়, বরং জনস্বাস্থ্য ও কৃষিক্ষেত্রে বিশুদ্ধ জলের প্রাপ্যতার উপরও উল্লেখযোগ্য প্রভাব ফেলে। উন্নয়নশীল দেশগুলোতে দ্রুত অর্থনৈতিক প্রবৃদ্ধি একটি সাধারণ ঘটনা, এবং এই প্রবৃদ্ধিকে উৎসাহিত করে এমন প্রতিটি প্রকল্পই পরিবেশের জন্য ক্ষতিকর হতে পারে। জল সম্পদের দীর্ঘমেয়াদী ব্যবস্থাপনা এবং মানুষ ও পরিবেশের সুরক্ষার জন্য জলের গুণমান পর্যবেক্ষণ ও মূল্যায়ন অপরিহার্য। ওয়াটার কোয়ালিটি ইনডেক্স (WQI), যা সংক্ষেপে ওয়াটার কোয়ালিটি ইনডেক্স (WQI) নামেও পরিচিত, তা জলের গুণগত মানের তথ্য থেকে উদ্ভূত হয় এবং নদীর জলের বর্তমান অবস্থা নির্ধারণ করতে ব্যবহৃত হয়। জলের গুণমানের পরিবর্তনের মাত্রা মূল্যায়ন করার সময় অনেকগুলো চলক বিবেচনা করতে হয়। WQI হলো একটি মাত্রাবিহীন সূচক। এটি নির্দিষ্ট কিছু জলের গুণগত পরামিতি নিয়ে গঠিত। WQI ঐতিহাসিক এবং বর্তমান জলাশয়গুলোর গুণমান শ্রেণিবদ্ধ করার একটি পদ্ধতি প্রদান করে। জল গুণমান সূচকের (WQI) তাৎপর্যপূর্ণ মান নীতি নির্ধারকদের সিদ্ধান্ত ও কর্মকাণ্ডকে প্রভাবিত করতে পারে। ১ থেকে ১০০-এর স্কেলে, সূচক যত বেশি, জলের গুণমান তত ভালো। সাধারণত, ৮০ বা তার বেশি স্কোর পাওয়া নদী স্টেশনগুলোর জলের গুণমান পরিষ্কার নদীর মানদণ্ড পূরণ করে। ৪০-এর কম WQI মানকে দূষিত বলে মনে করা হয়, অন্যদিকে ৪০ থেকে ৮০-এর মধ্যে WQI মান নির্দেশ করে যে জলের গুণমান প্রকৃতপক্ষে সামান্য দূষিত।

সাধারণত, WQI গণনা করার জন্য একগুচ্ছ উপ-সূচক রূপান্তরের প্রয়োজন হয় যা দীর্ঘ, জটিল এবং ত্রুটিপ্রবণ। WQI এবং অন্যান্য জলের গুণমান পরামিতিগুলির মধ্যে জটিল অরৈখিক মিথস্ক্রিয়া বিদ্যমান। WQI গণনা করা কঠিন এবং সময়সাপেক্ষ হতে পারে, কারণ বিভিন্ন WQI-এর জন্য ভিন্ন ভিন্ন সূত্র ব্যবহৃত হয়, যা ত্রুটির কারণ হতে পারে। একটি প্রধান প্রতিবন্ধকতা হলো, যদি এক বা একাধিক জলের গুণমান পরামিতি অনুপস্থিত থাকে, তবে WQI-এর সূত্র গণনা করা অসম্ভব হয়ে পড়ে। এছাড়াও, কিছু মানদণ্ডে সময়সাপেক্ষ ও ব্যাপক নমুনা সংগ্রহের পদ্ধতির প্রয়োজন হয়, যা নমুনার সঠিক পরীক্ষা এবং ফলাফল প্রদর্শন নিশ্চিত করার জন্য প্রশিক্ষিত পেশাদারদের দ্বারা সম্পন্ন করা আবশ্যক। প্রযুক্তি ও সরঞ্জামের উন্নতি সত্ত্বেও, উচ্চ পরিচালন ও ব্যবস্থাপনা ব্যয়ের কারণে নদীর জলের গুণমানের ব্যাপক কালিক ও স্থানিক পর্যবেক্ষণ ব্যাহত হয়েছে।

এই আলোচনা থেকে দেখা যায় যে, WQI-এর জন্য কোনো বৈশ্বিক পদ্ধতি নেই। এর ফলে, গণনাগতভাবে দক্ষ ও নির্ভুল উপায়ে WQI গণনার জন্য বিকল্প পদ্ধতি উদ্ভাবনের প্রয়োজনীয়তা দেখা দেয়। এই ধরনের উন্নতি পরিবেশগত সম্পদ ব্যবস্থাপকদের নদীর জলের গুণমান পর্যবেক্ষণ ও মূল্যায়নে সহায়ক হতে পারে। এই প্রেক্ষাপটে, কিছু গবেষক সফলভাবে WQI পূর্বাভাস দেওয়ার জন্য AI ব্যবহার করেছেন; AI-ভিত্তিক মেশিন লার্নিং মডেলিং উপ-সূচক গণনা এড়িয়ে চলে এবং দ্রুত WQI ফলাফল তৈরি করে। AI-ভিত্তিক মেশিন লার্নিং অ্যালগরিদমগুলো তাদের নন-লিনিয়ার আর্কিটেকচার, জটিল ঘটনার পূর্বাভাস দেওয়ার ক্ষমতা, বিভিন্ন আকারের ডেটা সহ বৃহৎ ডেটাসেট পরিচালনা করার ক্ষমতা এবং অসম্পূর্ণ ডেটার প্রতি সংবেদনশীলতার অভাবের কারণে জনপ্রিয়তা লাভ করছে। এদের পূর্বাভাস দেওয়ার ক্ষমতা সম্পূর্ণরূপে ডেটা সংগ্রহ ও প্রক্রিয়াকরণের পদ্ধতি এবং নির্ভুলতার উপর নির্ভর করে।