إطار تعلم الآلة المتقدم لتنبؤ تلوث المياه الجوفية بالمعادن الثقيلة!

يعد تلوث المياه الجوفية بالمعادن الثقيلة في حوض دينسو موضوعًا محوريًا يتطلب استجابات مبتكرة وفورية. تعاني طرق القياس التقليدية من عدم القدرة على التعامل مع التعقيد الإحصائي وتوزيع المؤشرات البيئية. في دراسة جديدة، تم تطوير إطار تعلم آلة للتنبؤ بتلوث المياه الجوفية، يقدم حلاً مبتكرًا لهذا التحدي.

تركز الدراسة على نموذج المؤشر الخاص بتلوث المعادن الثقيلة (Heavy Metal Pollution Index - HPI)، الذي غالبًا ما يكون غير متوازن ويتأثر بمؤشرات تلوث مترابطة. وقد أظهرت النتائج أن النماذج التقليدية يمكن أن تنتج تقديرات مضللة نتيجة للتفاؤل المفرط.

واستخدم الباحثون ثلاث تحولات مختلفة (التحويل الخام، والتحويل اللوغاريتمي، وتحويل غاوسي) لتقييم HPI عبر ستة نماذج تعليمية متنوعة مثل الانحدار باستخدام دعم المتجهات (Support Vector Regression - SVM)، وجيران الأقرب (k-Nearest Neighbors - k-NN)، والعديد من نماذج الانحدار الأخرى. أظهرت النتائج أن التحويل اللوغاريتمي يساهم في استقرار التباين، ما يمنح نماذج دقة عالية في التنبؤ.

بفضل نموذج الكوبولا الغاوسية، حقق الإطار معدل دقة يصل إلى 0.96، مما يدل على فعاليته وقوة النتائج المستخلصة منه. كما قدمت النماذج المعتمدة على الكوبولا تحسينات في الناتج النهائي، مما نتج عنه خرائط بيانية جغرافية دقيقة للتلوث.

وتعتبر نمذجة تجمعات بيانات DBSCAN ذات أهمية خاصة، حيث أظهرت أن الحديد (Fe) والمنغنيز (Mn) هما العنصران الرئيسيان في مساهمة HPI، وهو ما يتماشى مع الكيمياء الهيدرولوجية الإقليمية. ومع ذلك، تمت ملاحظة بعض القيود في الدراسة، والتي تشمل الاعتماد على طريقة عشوائية للتقدير بدلاً من استخدام البيانات المكانية.

يستثني البحث قيم التقييم على الجوانب الجيولوجية المختلفة، مما يفتح أفقًا واسعًا للبحوث المستقبلية لاستكشاف مزيد من الدراسات المكانية. في المجمل، يعيد الإطار الموزع المعتمد على التحولات واستراتيجيات التجمع إعطاء تقييمات قوية وقابلة للتفسير لتلوث المياه الجوفية. ما الذي تعتقد أنه ينبغي على الباحثين استكشافه في المستقبل؟ شاركونا آراءكم!