Durante 25 anos, o Departamento de Meio Ambiente da Malásia (DOE) implementou um Índice de Qualidade da Água (IQA) que utiliza seis parâmetros-chave de qualidade da água: oxigênio dissolvido (OD), Demanda Bioquímica de Oxigênio (DBO), Demanda Química de Oxigênio (DQO), pH, nitrogênio amoniacal (NA) e sólidos em suspensão (SS). A análise da qualidade da água é um componente importante da gestão de recursos hídricos e deve ser gerenciada adequadamente para prevenir danos ecológicos causados pela poluição e garantir a conformidade com as regulamentações ambientais. Isso aumenta a necessidade de definir métodos eficazes para a análise. Um dos principais desafios da computação atual é a necessidade de uma série de cálculos de subíndices demorados, complexos e propensos a erros. Além disso, o IQA não pode ser calculado se um ou mais parâmetros de qualidade da água estiverem ausentes. Neste estudo, um método de otimização do IQA é desenvolvido para lidar com a complexidade do processo atual. O potencial da modelagem orientada por dados, especificamente a Máquina de Vetores de Suporte (SVM) com função de base radial Nu, baseada em validação cruzada 10x, foi desenvolvido e explorado para melhorar a previsão do IQA na bacia do rio Langat. Uma análise de sensibilidade abrangente foi realizada em seis cenários para determinar a eficiência do modelo na predição do IQA (Índice de Qualidade da Água). No primeiro cenário, o modelo SVM-IQA demonstrou excelente capacidade de replicar o IQA do DOE (Departamento de Experimentos) e obteve resultados estatísticos muito elevados (coeficiente de correlação r > 0,95, eficiência de Nash-Sutcliffe, NSE > 0,88, índice de consistência de Willmott, WI > 0,96). No segundo cenário, o processo de modelagem mostrou que o IQA pode ser estimado sem seis parâmetros. Assim, o parâmetro OD (oxigênio dissolvido) é o fator mais importante na determinação do IQA. O pH tem o menor efeito sobre o IQA. Além disso, os cenários 3 a 6 demonstram a eficiência do modelo em termos de tempo e custo, minimizando o número de variáveis na combinação de entrada do modelo (r > 0,6, NSE > 0,5 (bom), WI > 0,7 (muito bom)). Em conjunto, o modelo irá melhorar e acelerar significativamente a tomada de decisões baseada em dados na gestão da qualidade da água, tornando os dados mais acessíveis e envolventes sem intervenção humana.
1 Introdução
O termo “poluição da água” refere-se à poluição de diversos tipos de água, incluindo águas superficiais (oceanos, lagos e rios) e subterrâneas. Um fator significativo no agravamento desse problema é o tratamento inadequado dos poluentes antes de serem lançados, direta ou indiretamente, nos corpos d'água. As alterações na qualidade da água têm um impacto significativo não apenas no ambiente marinho, mas também na disponibilidade de água doce para abastecimento público e agricultura. Em países em desenvolvimento, o rápido crescimento econômico é comum, e todo projeto que promove esse crescimento pode ser prejudicial ao meio ambiente. Para a gestão a longo prazo dos recursos hídricos e a proteção das pessoas e do meio ambiente, o monitoramento e a avaliação da qualidade da água são essenciais. O Índice de Qualidade da Água (IQA) é derivado de dados sobre a qualidade da água e é usado para determinar o estado atual da qualidade da água dos rios. Na avaliação do grau de alteração da qualidade da água, muitas variáveis devem ser consideradas. O IQA é um índice adimensional. Ele consiste em parâmetros específicos de qualidade da água. O IQA fornece um método para classificar a qualidade de corpos d'água históricos e atuais. O valor significativo do Índice de Qualidade da Água (IQA) pode influenciar as decisões e ações dos responsáveis pela tomada de decisões. Numa escala de 1 a 100, quanto maior o índice, melhor a qualidade da água. Em geral, a qualidade da água em estações fluviométricas com pontuação igual ou superior a 80 atende aos padrões para rios limpos. Um valor de IQA abaixo de 40 é considerado contaminado, enquanto um valor entre 40 e 80 indica que a qualidade da água está, de fato, levemente contaminada.
Em geral, o cálculo do IQA (Índice de Qualidade da Água) requer um conjunto de transformações de subíndices que são longas, complexas e propensas a erros. Existem interações não lineares complexas entre o IQA e outros parâmetros de qualidade da água. O cálculo dos IQAs pode ser difícil e demorado, pois diferentes IQAs utilizam fórmulas diferentes, o que pode levar a erros. Um dos principais desafios é a impossibilidade de calcular a fórmula do IQA se um ou mais parâmetros de qualidade da água estiverem ausentes. Além disso, algumas normas exigem procedimentos de coleta de amostras demorados e exaustivos, que devem ser realizados por profissionais treinados para garantir a análise precisa das amostras e a apresentação dos resultados. Apesar dos avanços na tecnologia e nos equipamentos, o monitoramento extensivo da qualidade da água dos rios, tanto temporal quanto espacialmente, tem sido dificultado pelos altos custos operacionais e de gestão.
Esta discussão demonstra que não existe uma abordagem global para o Índice de Qualidade da Água (IQA). Isso ressalta a necessidade de desenvolver métodos alternativos para calcular o IQA de forma computacionalmente eficiente e precisa. Tais melhorias podem ser úteis para gestores de recursos ambientais no monitoramento e avaliação da qualidade da água dos rios. Nesse contexto, alguns pesquisadores têm utilizado com sucesso Inteligência Artificial (IA) para prever o IQA; a modelagem de aprendizado de máquina baseada em IA evita o cálculo de subíndices e gera resultados de IQA rapidamente. Os algoritmos de aprendizado de máquina baseados em IA estão ganhando popularidade devido à sua arquitetura não linear, capacidade de prever eventos complexos, capacidade de gerenciar grandes conjuntos de dados, incluindo dados de tamanhos variados, e insensibilidade a dados incompletos. Seu poder preditivo depende inteiramente do método e da precisão da coleta e do processamento de dados.
Data da publicação: 21/11/2024