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

Tóm tắt

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.