25 နှစ်တာကာလအတွင်း မလေးရှားပတ်ဝန်းကျင်ထိန်းသိမ်းရေးဌာန (DOE) သည် ရေအရည်အသွေးညွှန်းကိန်း (WQI) တွင် အဓိကရေအရည်အသွေးသတ်မှတ်ချက်ခြောက်ခုဖြစ်သည့် ပျော်ဝင်အောက်ဆီဂျင် (DO)၊ ဇီဝဓာတုအောက်ဆီဂျင်လိုအပ်ချက် (BOD)၊ ဓာတုအောက်ဆီဂျင်လိုအပ်ချက် (COD)၊ pH၊ အမိုးနီးယားနိုက်ထရိုဂျင် (AN) နှင့် ဆိုင်းငံ့ထားသည့် အစိုင်အခဲများ (SS) ကို အသုံးပြုထားသည်။ ရေအရည်အသွေး ခွဲခြမ်းစိတ်ဖြာခြင်းသည် ရေအရင်းအမြစ်စီမံခန့်ခွဲမှု၏ အရေးကြီးသော အစိတ်အပိုင်းဖြစ်ပြီး ပတ်ဝန်းကျင်ညစ်ညမ်းမှုမှ ဂေဟစနစ်ပျက်စီးမှုကို ကာကွယ်ရန်နှင့် သဘာဝပတ်ဝန်းကျင်ဆိုင်ရာ စည်းမျဉ်းများနှင့်အညီ သေချာစွာ စီမံခန့်ခွဲရမည်ဖြစ်သည်။ ယင်းက ခွဲခြမ်းစိတ်ဖြာမှုအတွက် ထိရောက်သောနည်းလမ်းများကို သတ်မှတ်ရန် လိုအပ်လာပါသည်။ လက်ရှိ ကွန်ပြူတာ၏ အဓိကစိန်ခေါ်မှုများထဲမှတစ်ခုမှာ ၎င်းသည် အချိန်ကုန်၊ ရှုပ်ထွေးပြီး အမှားအယွင်းများသော အညွှန်းကိန်းခွဲများ တွက်ချက်မှုများ ဆက်တိုက် လိုအပ်နေသောကြောင့် ဖြစ်သည်။ ထို့အပြင်၊ ရေအရည်အသွေးသတ်မှတ်ချက်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော သတ်မှတ်ချက်များ ပျောက်ဆုံးနေပါက WQI တွက်ချက်၍မရပါ။ ဤလေ့လာမှုတွင်၊ လက်ရှိလုပ်ငန်းစဉ်၏ ရှုပ်ထွေးမှုအတွက် WQI ၏ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ရေးနည်းလမ်းကို ဖန်တီးထားသည်။ 10x cross-validation ကိုအခြေခံ၍ Nu-Radial အခြေခံလုပ်ဆောင်မှုပံ့ပိုးမှု vector machine (SVM) သည် Langat basin ရှိ WQI ၏ခန့်မှန်းမှုကိုတိုးတက်စေရန်တီထွင်ပြီးစူးစမ်းရှာဖွေခဲ့သည်။ WQI ခန့်မှန်းမှုတွင် မော်ဒယ်၏ ထိရောက်မှုကို ဆုံးဖြတ်ရန် ပြည့်စုံသော အာရုံခံနိုင်စွမ်း ပိုင်းခြားစိတ်ဖြာမှုအား မြင်ကွင်းခြောက်ခုအောက်တွင် လုပ်ဆောင်ခဲ့သည်။ ပထမအခြေအနေတွင်၊ မော်ဒယ် SVM-WQI သည် DOE-WQI ကိုပုံတူပွားရန် အစွမ်းထက်သောစွမ်းရည်ပြသခဲ့ပြီး အလွန်မြင့်မားသောစာရင်းအင်းရလဒ်များ (ဆက်စပ်ကိန်းဂဏန်း r > 0.95၊ Nash Sutcliffe ထိရောက်မှု၊ NSE >0.88၊ Willmott ၏ညီညွတ်မှုညွှန်းကိန်း၊ WI > 0.96)။ ဒုတိယအခြေအနေတွင်၊ မော်ဒယ်လ်လုပ်ငန်းစဉ်သည် WQI ကို ဘောင်ခြောက်ခုမပါဘဲ ခန့်မှန်းနိုင်သည်ကို ပြသသည်။ ထို့ကြောင့် DO parameter သည် WQI ကိုဆုံးဖြတ်ရာတွင် အရေးကြီးဆုံးအချက်ဖြစ်သည်။ pH သည် WQI အပေါ်သက်ရောက်မှုအနည်းဆုံးဖြစ်သည်။ ထို့အပြင်၊ Scenarios 3 မှ 6 သည် model input ပေါင်းစပ်မှု (r > 0.6၊ NSE >0.5 (ကောင်း)) WI > 0.7 (အလွန်ကောင်းမွန်))) တွင် variable အရေအတွက်ကို လျှော့ချခြင်းဖြင့် အချိန်နှင့် ကုန်ကျစရိတ်များတွင် မော်ဒယ်၏ စွမ်းဆောင်ရည်ကို ပြသပါသည်။ အတူတကွလုပ်ဆောင်ခြင်းဖြင့်၊ မော်ဒယ်သည် ရေအရည်အသွေးစီမံခန့်ခွဲမှုတွင် ဒေတာမောင်းနှင်သော ဆုံးဖြတ်ချက်ချရာတွင် များစွာတိုးတက်စေပြီး ဒေတာကို လူသား၏ဝင်ရောက်စွက်ဖက်မှုမရှိဘဲ ပိုမိုဝင်ရောက်လာကာ ဆွဲဆောင်မှုရှိစေမည်ဖြစ်သည်။
1 နိဒါန်း
“ရေညစ်ညမ်းမှု” ဟူသော ဝေါဟာရသည် ရေမျက်နှာပြင် (သမုဒ္ဒရာများ၊ အင်းအိုင်များ၊ မြစ်များ) နှင့် မြေအောက်ရေ အပါအဝင် ရေအမျိုးအစားများစွာ၏ ညစ်ညမ်းမှုကို ရည်ညွှန်းသည်။ ဤပြဿနာကြီးထွားလာမှု၏ သိသာထင်ရှားသောအချက်မှာ ညစ်ညမ်းသည့်အရာများကို ရေတွင်းထဲသို့ တိုက်ရိုက် သို့မဟုတ် သွယ်ဝိုက်သောနည်းဖြင့် မထုတ်မီတွင် လုံလောက်စွာ မကုသနိုင်ခြင်းကြောင့် ဖြစ်သည်။ ရေအရည်အသွေးပြောင်းလဲမှုများသည် အဏ္ဏဝါပတ်ဝန်းကျင်အပေါ်သာမက အများသူငှာ ရေပေးဝေရေးနှင့် စိုက်ပျိုးရေးအတွက် ရေချိုရရှိနိုင်မှုအပေါ် သိသိသာသာ သက်ရောက်မှုရှိပါသည်။ ဖွံ့ဖြိုးဆဲနိုင်ငံများတွင် လျင်မြန်သောစီးပွားရေးတိုးတက်မှုသည် အဖြစ်များပြီး ဤတိုးတက်မှုကို မြှင့်တင်ပေးသည့် ပရောဂျက်တိုင်းသည် သဘာဝပတ်ဝန်းကျင်ကို ထိခိုက်စေနိုင်သည်။ ရေအရင်းအမြစ် ရေရှည်စီမံခန့်ခွဲမှုနှင့် လူများနှင့် သဘာဝပတ်ဝန်းကျင်ကို ကာကွယ်ရေးအတွက် ရေအရည်အသွေးကို စောင့်ကြည့်အကဲဖြတ်ရန် လိုအပ်ပါသည်။ WQI ဟုလည်းသိကြသော ရေအရည်အသွေးညွှန်းကိန်းသည် ရေအရည်အသွေးဒေတာမှ ဆင်းသက်လာပြီး မြစ်ရေအရည်အသွေး၏ လက်ရှိအခြေအနေကို ဆုံးဖြတ်ရန်အသုံးပြုသည်။ ရေအရည်အသွေးပြောင်းလဲမှု အတိုင်းအတာကို အကဲဖြတ်ရာတွင် များစွာသော ကွဲပြားမှုများကို ထည့်သွင်းစဉ်းစားရပါမည်။ WQI သည် မည်သည့်အတိုင်းအတာမရှိသော အညွှန်းတစ်ခုဖြစ်သည်။ ၎င်းတွင် သီးခြားရေအရည်အသွေးသတ်မှတ်ချက်များ ပါဝင်သည်။ WQI သည် သမိုင်းဝင်နှင့် လက်ရှိရေတွင်းများ၏ အရည်အသွေးကို အမျိုးအစားခွဲရန်အတွက် နည်းလမ်းတစ်ခု ပံ့ပိုးပေးပါသည်။ WQI ၏ အဓိပ္ပါယ်ရှိသောတန်ဖိုးသည် ဆုံးဖြတ်ချက်ချမှတ်သူများ၏ ဆုံးဖြတ်ချက်များနှင့် လုပ်ဆောင်ချက်များကို လွှမ်းမိုးနိုင်သည်။ 1 မှ 100 စကေးတွင်၊ အညွှန်းကိန်းမြင့်လေ၊ ရေအရည်အသွေး ပိုမိုကောင်းမွန်လေဖြစ်သည်။ ယေဘူယျအားဖြင့် ရမှတ် ၈၀ နှင့် အထက်ရှိသော မြစ်ချောင်းများ၏ ရေအရည်အသွေးသည် သန့်ရှင်းသော မြစ်များအတွက် စံနှုန်းများနှင့် ကိုက်ညီပါသည်။ 40 အောက်ရှိ WQI တန်ဖိုးသည် ညစ်ညမ်းသည်ဟု ယူဆရပြီး WQI တန်ဖိုး 40 နှင့် 80 ကြားတွင် ရေအရည်အသွေးမှာ အမှန်တကယ် အနည်းငယ်ညစ်ညမ်းနေကြောင်း ညွှန်ပြနေပါသည်။
ယေဘူယျအားဖြင့်၊ WQI တွက်ချက်ရာတွင် ရှည်လျားရှုပ်ထွေးပြီး အမှားအယွင်းများတတ်သည့် အညွှန်းခွဲအသွင်ပြောင်းမှုအစုတစ်ခု လိုအပ်ပါသည်။ WQI နှင့် အခြားသော ရေအရည်အသွေး ကန့်သတ်ချက်များကြားတွင် ရှုပ်ထွေးသော လိုင်းမဟုတ်သော အပြန်အလှန်တုံ့ပြန်မှုများရှိသည်။ မတူညီသော WQI များသည် အမှားများဆီသို့ ဦးတည်သွားစေနိုင်သည့် မတူညီသော ဖော်မြူလာများကို အသုံးပြုထားသောကြောင့် WQI များကို တွက်ချက်ရာတွင် ခက်ခဲနိုင်ပြီး အချိန်ကြာမြင့်နိုင်သည်။ အဓိကစိန်ခေါ်မှုတစ်ခုမှာ WQI အတွက် ဖော်မြူလာတစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ရေအရည်အသွေးသတ်မှတ်ချက်များ ပျောက်ဆုံးနေပါက တွက်ချက်ရန်မဖြစ်နိုင်ပေ။ ထို့အပြင်၊ အချို့သောစံနှုန်းများသည် တိကျသောနမူနာစစ်ဆေးခြင်းနှင့် ရလဒ်များပြသခြင်းတို့ကို အာမခံရန်အတွက် လေ့ကျင့်ထားသော ကျွမ်းကျင်ပညာရှင်များမှ လုပ်ဆောင်ရမည့် အချိန်ကုန်၊ ပြည့်စုံသောနမူနာစုဆောင်းခြင်းလုပ်ငန်းစဉ်များ လိုအပ်ပါသည်။ နည်းပညာနှင့် စက်ကိရိယာများ တိုးတက်ကောင်းမွန်လာသော်လည်း၊ ကျယ်ပြန့်သော ယာယီနှင့် နေရာဒေသဆိုင်ရာ မြစ်ရေအရည်အသွေး စောင့်ကြည့်ခြင်းကို မြင့်မားသော လုပ်ငန်းဆောင်ရွက်မှုနှင့် စီမံခန့်ခွဲမှုစရိတ်စကများကြောင့် အဟန့်အတားဖြစ်နေပါသည်။
ဤဆွေးနွေးမှုသည် WQI အတွက် ကမ္ဘာလုံးဆိုင်ရာ ချဉ်းကပ်မှု မရှိကြောင်း ပြသသည်။ ၎င်းသည် WQI တွက်ချက်ခြင်းအတွက် အခြားနည်းလမ်းများကို တွက်ချက်ရာတွင် ထိရောက်ပြီး တိကျသောနည်းလမ်းဖြင့် တီထွင်ရန် လိုအပ်လာပါသည်။ ထိုသို့သော တိုးတက်မှုများသည် မြစ်ရေအရည်အသွေးကို စောင့်ကြည့်အကဲဖြတ်ရန် သဘာဝပတ်ဝန်းကျင် အရင်းအမြစ် မန်နေဂျာများအတွက် အသုံးဝင်ပါသည်။ ဤအခြေအနေတွင်၊ အချို့သောသုတေသီများသည် WQI ကိုခန့်မှန်းရန် AI ကိုအောင်မြင်စွာအသုံးပြုခဲ့သည်။ Ai-based machine learning modeling သည် sub-index တွက်ချက်မှုကို ရှောင်ရှားပြီး WQI ရလဒ်များကို လျင်မြန်စွာထုတ်ပေးပါသည်။ Ai-based machine learning algorithms သည် ၎င်းတို့၏ linear မဟုတ်သော တည်ဆောက်ပုံ၊ ရှုပ်ထွေးသော အဖြစ်အပျက်များကို ကြိုတင်ခန့်မှန်းနိုင်မှု၊ အရွယ်အစားအမျိုးမျိုးရှိသည့် data များအပါအဝင် ဒေတာအစုံများကို စီမံခန့်ခွဲနိုင်မှု၊ နှင့် မပြည့်စုံသောဒေတာကို အာရုံမစိုက်နိုင်ခြင်းကြောင့် လူကြိုက်များလာပါသည်။ ၎င်းတို့၏ ကြိုတင်ခန့်မှန်းနိုင်စွမ်းအားသည် ဒေတာစုဆောင်းခြင်းနှင့် လုပ်ဆောင်ခြင်း၏ နည်းလမ်းနှင့် တိကျမှုပေါ်တွင် လုံးဝမူတည်ပါသည်။
တင်ချိန်- နိုဝင်ဘာ ၂၁-၂၀၂၄