সংবেদনশীলতা বিশ্লেষণ সহ সাপোর্ট ভেক্টর মেশিন ব্যবহার করে জলের গুণমান সূচক পূর্বাভাসের বর্ধন

২৫ বছর ধরে, মালয়েশিয়ার পরিবেশ বিভাগ (DOE) একটি জলের গুণমান সূচক (WQI) বাস্তবায়ন করেছে যা ছয়টি মূল জলের গুণমান পরামিতি ব্যবহার করে: দ্রবীভূত অক্সিজেন (DO), জৈব রাসায়নিক অক্সিজেন চাহিদা (BOD), রাসায়নিক অক্সিজেন চাহিদা (COD), pH, অ্যামোনিয়া নাইট্রোজেন (AN) এবং স্থগিত কঠিন পদার্থ (SS)। জলের গুণমান বিশ্লেষণ জল সম্পদ ব্যবস্থাপনার একটি গুরুত্বপূর্ণ উপাদান এবং দূষণ থেকে পরিবেশগত ক্ষতি রোধ করতে এবং পরিবেশগত নিয়ম মেনে চলা নিশ্চিত করতে সঠিকভাবে পরিচালনা করতে হবে। এটি বিশ্লেষণের জন্য কার্যকর পদ্ধতিগুলি সংজ্ঞায়িত করার প্রয়োজনীয়তা বৃদ্ধি করে। বর্তমান কম্পিউটিংয়ের প্রধান চ্যালেঞ্জগুলির মধ্যে একটি হল এর জন্য সময়সাপেক্ষ, জটিল এবং ত্রুটি-প্রবণ উপ-সূচক গণনার একটি সিরিজ প্রয়োজন। উপরন্তু, এক বা একাধিক জলের গুণমান পরামিতি অনুপস্থিত থাকলে WQI গণনা করা যায় না। এই গবেষণায়, বর্তমান প্রক্রিয়ার জটিলতার জন্য WQI-এর একটি অপ্টিমাইজেশন পদ্ধতি তৈরি করা হয়েছে। ল্যাঙ্গাট অববাহিকায় WQI-এর পূর্বাভাস উন্নত করার জন্য ডেটা-চালিত মডেলিংয়ের সম্ভাবনা, যথা Nu-Radial basis function support vector machine (SVM) তৈরি এবং অন্বেষণ করা হয়েছিল। WQI পূর্বাভাসে মডেলের দক্ষতা নির্ধারণের জন্য ছয়টি পরিস্থিতিতে একটি বিস্তৃত সংবেদনশীলতা বিশ্লেষণ করা হয়েছিল। প্রথম ক্ষেত্রে, SVM-WQI মডেলটি DOE-WQI প্রতিলিপি করার চমৎকার ক্ষমতা দেখিয়েছে এবং খুব উচ্চ স্তরের পরিসংখ্যানগত ফলাফল পেয়েছে (সম্পর্ক সহগ r > 0.95, ন্যাশ সাটক্লিফ দক্ষতা, NSE > 0.88, উইলমটের সামঞ্জস্য সূচক, WI > 0.96)। দ্বিতীয় পরিস্থিতিতে, মডেলিং প্রক্রিয়া দেখায় যে ছয়টি পরামিতি ছাড়াই WQI অনুমান করা যেতে পারে। সুতরাং, DO প্যারামিটার হল WQI নির্ধারণে সবচেয়ে গুরুত্বপূর্ণ ফ্যাক্টর। pH WQI-এর উপর সবচেয়ে কম প্রভাব ফেলে। এছাড়াও, 3 থেকে 6 পরিস্থিতি মডেল ইনপুট সংমিশ্রণে ভেরিয়েবলের সংখ্যা কমিয়ে সময় এবং খরচের দিক থেকে মডেলের দক্ষতা দেখায় (r > 0.6, NSE > 0.5 (ভাল), WI > 0.7 (খুব ভাল))। একসাথে নেওয়া হলে, মডেলটি জলের গুণমান ব্যবস্থাপনায় ডেটা-চালিত সিদ্ধান্ত গ্রহণকে ব্যাপকভাবে উন্নত করবে এবং ত্বরান্বিত করবে, যা মানুষের হস্তক্ষেপ ছাড়াই ডেটাকে আরও অ্যাক্সেসযোগ্য এবং আকর্ষণীয় করে তুলবে।

১ ভূমিকা

"জল দূষণ" শব্দটি ভূপৃষ্ঠের জল (সমুদ্র, হ্রদ এবং নদী) এবং ভূগর্ভস্থ জল সহ বিভিন্ন ধরণের জলের দূষণকে বোঝায়। এই সমস্যার বৃদ্ধির একটি উল্লেখযোগ্য কারণ হল দূষণকারী পদার্থগুলিকে জলাশয়ে সরাসরি বা পরোক্ষভাবে ছেড়ে দেওয়ার আগে পর্যাপ্তভাবে শোধন করা হয় না। জলের গুণমানের পরিবর্তন কেবল সামুদ্রিক পরিবেশের উপরই নয়, জনসাধারণের জল সরবরাহ এবং কৃষির জন্য মিঠা পানির প্রাপ্যতার উপরও উল্লেখযোগ্য প্রভাব ফেলে। উন্নয়নশীল দেশগুলিতে, দ্রুত অর্থনৈতিক প্রবৃদ্ধি সাধারণ, এবং এই বৃদ্ধিকে উৎসাহিত করে এমন প্রতিটি প্রকল্প পরিবেশের জন্য ক্ষতিকারক হতে পারে। জল সম্পদের দীর্ঘমেয়াদী ব্যবস্থাপনা এবং মানুষ ও পরিবেশ সুরক্ষার জন্য, জলের গুণমান পর্যবেক্ষণ এবং মূল্যায়ন অপরিহার্য। জলের গুণমান সূচক, যা WQI নামেও পরিচিত, জলের গুণমান তথ্য থেকে প্রাপ্ত এবং নদীর জলের গুণমানের বর্তমান অবস্থা নির্ধারণ করতে ব্যবহৃত হয়। জলের গুণমানের পরিবর্তনের মাত্রা মূল্যায়ন করার ক্ষেত্রে, অনেকগুলি পরিবর্তনশীল বিবেচনা করা উচিত। WQI হল কোনও মাত্রা ছাড়াই একটি সূচক। এটি নির্দিষ্ট জলের মানের পরামিতি নিয়ে গঠিত। WQI ঐতিহাসিক এবং বর্তমান জলাশয়ের গুণমান শ্রেণীবদ্ধ করার জন্য একটি পদ্ধতি প্রদান করে। WQI-এর অর্থপূর্ণ মান সিদ্ধান্ত গ্রহণকারীদের সিদ্ধান্ত এবং কর্মকাণ্ডকে প্রভাবিত করতে পারে। ১ থেকে ১০০ স্কেলে, সূচক যত বেশি হবে, পানির গুণমান তত ভালো হবে। সাধারণভাবে, ৮০ এবং তার বেশি স্কোর সহ নদী স্টেশনগুলির পানির গুণমান পরিষ্কার নদীর মান পূরণ করে। ৪০-এর নিচে WQI মান দূষিত বলে বিবেচিত হয়, যেখানে ৪০ থেকে ৮০-এর মধ্যে WQI মান নির্দেশ করে যে পানির গুণমান প্রকৃতপক্ষে সামান্য দূষিত।

সাধারণভাবে, WQI গণনা করার জন্য দীর্ঘ, জটিল এবং ত্রুটি-প্রবণ উপ-সূচক রূপান্তরের একটি সেট প্রয়োজন। WQI এবং অন্যান্য জলের মানের পরামিতিগুলির মধ্যে জটিল অ-রৈখিক মিথস্ক্রিয়া রয়েছে। WQI গণনা করা কঠিন এবং দীর্ঘ সময় নিতে পারে কারণ বিভিন্ন WQI বিভিন্ন সূত্র ব্যবহার করে, যা ত্রুটির কারণ হতে পারে। একটি বড় চ্যালেঞ্জ হল যে এক বা একাধিক জলের মানের পরামিতি অনুপস্থিত থাকলে WQI এর সূত্র গণনা করা অসম্ভব। এছাড়াও, কিছু মানদণ্ডের জন্য সময়সাপেক্ষ, সম্পূর্ণ নমুনা সংগ্রহ পদ্ধতির প্রয়োজন হয় যা নমুনার সঠিক পরীক্ষা এবং ফলাফল প্রদর্শন নিশ্চিত করার জন্য প্রশিক্ষিত পেশাদারদের দ্বারা সম্পন্ন করা আবশ্যক। প্রযুক্তি এবং সরঞ্জামের উন্নতি সত্ত্বেও, উচ্চ পরিচালন এবং ব্যবস্থাপনা ব্যয়ের কারণে ব্যাপক সময়সাপেক্ষ এবং স্থানিক নদীর জলের গুণমান পর্যবেক্ষণ ব্যাহত হয়েছে।

এই আলোচনা থেকে বোঝা যায় যে WQI-এর জন্য কোনও বিশ্বব্যাপী পদ্ধতি নেই। এটি গণনাগতভাবে দক্ষ এবং নির্ভুল পদ্ধতিতে WQI গণনা করার জন্য বিকল্প পদ্ধতি বিকাশের প্রয়োজনীয়তা উত্থাপন করে। এই ধরনের উন্নতি পরিবেশগত সম্পদ পরিচালকদের নদীর জলের গুণমান পর্যবেক্ষণ এবং মূল্যায়নের জন্য কার্যকর হতে পারে। এই প্রেক্ষাপটে, কিছু গবেষক WQI-এর পূর্বাভাস দেওয়ার জন্য AI ব্যবহার করে সফলভাবে কাজ করেছেন; Ai-ভিত্তিক মেশিন লার্নিং মডেলিং সাব-ইনডেক্স গণনা এড়ায় এবং দ্রুত WQI ফলাফল তৈরি করে। Ai-ভিত্তিক মেশিন লার্নিং অ্যালগরিদমগুলি তাদের অ-রৈখিক স্থাপত্য, জটিল ঘটনাগুলির পূর্বাভাস দেওয়ার ক্ষমতা, বিভিন্ন আকারের ডেটা সহ বৃহৎ ডেটা সেট পরিচালনা করার ক্ষমতা এবং অসম্পূর্ণ ডেটার প্রতি সংবেদনশীলতার কারণে জনপ্রিয়তা অর্জন করছে। তাদের ভবিষ্যদ্বাণীমূলক ক্ষমতা সম্পূর্ণরূপে ডেটা সংগ্রহ এবং প্রক্রিয়াকরণের পদ্ধতি এবং নির্ভুলতার উপর নির্ভর করে।