TextBody

, 18/06/2024

Huy chương 2

Nghiên cứu ứng dụng các mô hình học máy để dự báo chỉ số chất lượng nước mặt vùng bán đảo Cà Mau

25/08/2023

Chất lượng nước mặt vùng BĐCM đang bị ô nhiễm do ảnh hưởng của xả thải không đạt yêu cầu vào nguồn nước. Nguồn nước mặt trong vùng bị ô nhiễm phổ biến là hữu cơ và vi sinh với các thông số DO, BOD5, COD, NH4+, tổng Coliform,… Trong vùng nghiên cứu, các địa phương thường dùng chỉ số chất lượng nước (WQI) để đánh giá chất lượng nước mặt và khả năng sử dụng của nguồn nước đối với từng mục đích khác nhau. Tuy nhiên, việc tính toán WQI từ các thông số quan trắc chất lượng nước còn gặp nhiều hạn chế do cần nhiều thông số quan trắc và tính toán còn tương đối phức tạp. Việc tìm phương pháp tính toán hiệu quả WQI là rất quan trọng và cần thiết nhằm phục vụ tốt hơn cho công tác đánh giá chất lượng nước mặt cho vùng nghiên cứu. Nghiên cứu này sẽ ứng dụng thuật toán (mô hình) học máy để tính toán WQI dựa vào số liệu đầu vào (thông số chất lượng nước tối thiểu) để giảm chi phí quan trắc chất lượng nước mặt. Nghiên cứu đã áp dụng phương pháp Bayes (BMA) để lựa chọn các thông số chất lượng nước tối ưu (pH, BOD5, PO4 và Coliform) để tính toán WQI. Kết quả cho thấy các mô hình học máy đã tính toán (dự báo) WQI dựa vào các thông số (tối tiểu) với độ chính xác cao. Theo đó mô hình Tăng cường độ dốc có kết quả dự báo chính xác nhất vì có hệ số xác định R2 cao nhất (0,973), giá trị các sai số MAE, MSE và RMSE thấp nhất (3,24; 22,54; 4,75). Tiếp đến là mô hình Tăng cường độ dốc cực đại có R2 là 0,966 và giá trị các sai số tương ứng (3,15; 28,95; 5,38). Mô hình Cây quyết định có R2 là 0,944; giá trị các sai số là 4,46; 49,67; 7,04; Mô hình Tăng cường độ dốc nhẹ có R2 là 0,928; giá trị các sai số là 5,95; 63,30; 7,95.

1. ĐẶT VẤN ĐỀ

2. PHƯƠNG PHÁP THỰC HIỆN

2.1. Mục tiêu

2.2. Phương pháp thực hiện

3. KẾT QUẢ VÀ THẢO LUẬN

3.1. Kết quả quan trắc chất lượng nước mặt

3.2. Ứng dụng phương pháp Bayes (BMA) lựa chọn các thông số phục vụ xây dựng mô hình học máy

3.3. Nghiên cứu tính toán chỉ số chất lượng nước mặt bằng phương pháp học máy cho vùng BĐCM

4. KẾT LUẬN

TÀI LIỆU THAM KHẢO

[1] Bộ Tài nguyên và Môi trường (2015), Báo cáo môi trường Quốc gia 2015, Hà Nội.

[2] Bộ Tài nguyên và Môi trường; (2018), Báo cáo hiện trạng môi trường Quốc gia năm 2018, Hà Nội.

[3] Lê Thị Siêng (2003), Nghiên cứu diễn biến môi trường nước do hoạt động nuôi tôm ở các tỉnh Bạc Liêu, Cà Mau ảnh hưởng tới môi trường và đề xuất các biện pháp khắc phục, Viện Khoa học Thủy lợi Miền Nam, Hồ Chí Minh.

[4] Lê Thị Siêng (2006), Nghiên cứu xây dựng loại hình nuôi tôm sú công nghiệp sử dụng các đối tượng sinh học để xử lý nguồn nước trong các ao nuôi và sau khi nuôi góp phần bảo vệ môi trường, Viện Khoa học Thủy lợi Miền Nam, Hồ Chí Minh.

[5] Sở TN&MT Hậu Giang; (2016), Báo cáo hiện trạng môi trường tỉnh Hậu Giang năm 2011 - 2015, Hậu Giang.

[6] Sở TN&MT Bạc Liêu (2012), Điều tra, khảo sát đánh giá tình hình ô nhiễm môi trường do hoạt động NTTS và xây dựng các giải pháp xử lý, giảm thiểu ô nhiễm trên địa bàn tỉnh Bạc Liêu, Bạc Liêu.

[7] Sở TN&MT Bạc Liêu (2013), Xây dựng chiến lược quản lý và bảo vệ môi trường vùng biển, ven biển tỉnh Bạc Liêu đến năm 2020 và định hướng đến năm 2030, Bạc Liêu.

[8] Sở TN&MT Bạc Liêu (2016), Báo cáo hiện trạng môi trường tỉnh Bạc Liêu năm 2011 - 2015, Bạc Liêu.

[9] Sở TNMT Bạc Liêu (2012), Điều tra, đánh giá hiện trạng và phân vùng xả nước thải vào các nguồn tiếp nhận trên địa bàn tỉnh Bạc Liêu, Bạc Liêu.

[10] Sở TN&MT Cà Mau (2016), Báo cáo hiện trạng môi trường tỉnh Cà Mau năm 2011 - 2015.

[11] Sở TN&MT Cà Mau (2016), Điều tra, khảo sát đánh giá hiện trạng ô nhiễm môi trường nuôi trồng thủy sản và đề xuất biện pháp xử lý, Cà Mau.

[12] Sở TNMT Cà Mau (2016), Điều tra, đánh giá và đề xuất quản lý tác nhân gây ô nhiễm môi trường nước vùng ven biển trên địa bàn tỉnh Cà Mau, Cà Mau.

[13] Sở TNMT Cà Mau (2016), Điều tra, khảo sát đánh giá hiện trạng ô nhiễm môi trường nuôi trồng thủy sản và đề xuất biện pháp xử lý, Cà Mau.

[14] Sở TN&MT Cần Thơ; (2016), Báo cáo hiện trạng môi trường tỉnh Cần Thơ năm 2011 - 2015.

[15] Tăng Đức Thắng (2015), Nghiên cứu các biện pháp khoa học công nghệ đánh giá và quản lý nguồn nước, giảm thiểu ô nhiễm trong các hệ thống thủy lợi ĐBSCL, Viện khoa học Thủy lợi Miền Nam.

[16] Nguyễn Văn Tuấn (2020), Mô hình hồi quy và khám phá khoa học, Nhà xuất bản Tổng hợp, Thành phố Hồ Chí Minh.

[17] Viện Kỹ thuật Biển (2015), Quy hoạch Tài nguyên nước tỉnh Sóc Trăng, Tp. Hồ Chí Minh.

[18] Phạm Thế Vinh (2020), Nghiên cứu đề xuất các giải pháp tổng thể cải thiện và bảo vệ môi trường nước phục vụ phát triển bền vững đồng bằng sông Cửu Long, Viện Khoa học Thủy lợi miền Nam, Hồ Chí Minh.

[19] Anthony A. Adegoke và các cộng sự. (2018), "Epidemiological Evidence and Health Risks Associated With Agricultural Reuse of Partially Treated and Untreated Wastewater: A Review", Frontiers in public health. 6, tr. 337-337.

[20] Mahreen Ahmed, Rafia Mumtaz và Syed Mohammad (2021), "Analysis of water quality indices and machine learning techniques for rating water pollution: A case study of Rawal Dam, Pakistan", Water Supply. 21.

[21] Seyed Babak Haji Seyed Asadollah và các cộng sự. (2021), "River water quality index prediction and uncertainty analysis: A comparative study of machine learning models", Journal of Environmental Chemical Engineering. 9(1), tr. 104599.

[22] Shine Bedi và các cộng sự. (2020), "Comparative evaluation of machine learning models for groundwater quality assessment", Environmental Monitoring and Assessment.

[23] Benjamin Bowes và các cộng sự. (2022), "Reinforcement learning-based real-time control of coastal urban stormwater systems to mitigate flooding and improve water quality", Environmental Science: Water Research & Technology. 8.

[24] Ali El Bilali, Abdeslam Taleb và Youssef Brouziyne (2021), "Groundwater quality forecasting using machine learning algorithms for irrigation purposes", Agricultural Water Management. 245, tr. 106625.

[25] Nabeel M. Gazzaz và các cộng sự. (2012), "Artificial neural network modeling of the water quality index for Kinta River (Malaysia) using water quality variables as predictors", Marine Pollution Bulletin. 64(11), tr. 2409-2420.

[26] Mohammed Hameed và các cộng sự. (2017), "Application of artificial intelligence (AI) techniques in water quality index prediction: a case study in tropical region, Malaysia", Neural Computing and Applications. 28.

[27] Manel Naloufi và các cộng sự. (2021), "Evaluating the Performance of Machine Learning Approaches to Predict the Microbial Quality of Surface Waters and to Optimize the Sampling Effort", Water. 13(18), tr. 2457.

[28] Al-Akhir Nayan và các cộng sự. (2020), River Water Quality Analysis and Prediction Using GBM, 219-224.

[29] Grey S. Nearing và các cộng sự. (2021), "What Role Does Hydrological Science Play in the Age of Machine Learning?", Water Resources Research. 57(3).

[30] Dao Nguyen Khoi và các cộng sự. (2022), "Using Machine Learning Models for Predicting the Water Quality Index in the La Buong River, Vietnam", Water. 14, tr. 1552.

[31] D. Venkata Vara Prasad và các cộng sự. (2022), "Analysis and prediction of water quality using deep learning and auto deep learning techniques", Science of The Total Environment. 821, tr. 153311.

[32] Neha Radhakrishnan và Anju Pillai (2020), Comparison of Water Quality Classification Models using Machine Learning, 1183-1188.

[33] Tiyasha, Tran Minh Tung và Zaher Mundher Yaseen (2020), "A survey on river water quality modelling using artificial intelligence models: 2000–2020", Journal of Hydrology. 585, tr. 124670.

________________________________________________________________________

Chi tiết bài báo xem tại đây: Nghiên cứu ứng dụng các mô hình học máy để dự báo chỉ số chất lượng nước mặt vùng bán đảo Cà Mau

Nguyễn Đức Phong, Hà Hải Dương
Viện Nước, Tưới tiêu và Môi trường

TẠP CHÍ KH&CN THỦY LỢI

Ý kiến góp ý: