الغابة العشوائية.. تقنية تستخدم الذكاء الاصطناعي لإنتاج مياه نظيفة.. حلول عملية لربع سكان العالم المهددون بندرة المياه

يفتقر نحو 2.2 مليار شخص، أي أكثر من ربع سكان العالم، إلى إمكانية الوصول إلى مياه الشرب الآمنة والمدارة، ويعاني نحو نصف سكان العالم من ندرة شديدة في المياه في مرحلة ما من العام.

وللتغلب على هذا النقص، يتم إنفاق تكاليف اجتماعية واقتصادية ضخمة على الري بالصرف الصحي ومصادر المياه البديلة مثل إعادة استخدام مياه الأمطار وتحلية مياه البحر.

علاوة على ذلك، تعاني أنظمة توزيع المياه المركزية هذه من عيب عدم قدرتها على الاستجابة الفورية للتغيرات في الطلب على المياه. لذلك، هناك اهتمام متزايد بتقنيات إنتاج المياه اللامركزية، وهي تقنيات تعتمد على الكهروكيميائية ويسهل تبنيها، مثل إزالة الأيونات بالسعة وإزالة الأيونات من أقطاب البطارية (المعروفة أيضًا باسم إزالة الأيونات الفارادية).

ومع ذلك، فإن أجهزة استشعار قياس جودة المياه الحالية المستخدمة في التقنيات القائمة على الكهروكيميائية لا تقيس ولا تتعقب الأيونات الفردية في الماء، ولديها قيد يتمثل في استنتاج ظروف جودة المياه تقريبًا من التوصيل الكهربائي.

معالجة المياه الكهروكيميائية

قام فريق البحث التابع للدكتور سون مون في مركز أبحاث دورة الموارد المائية التابع للمعهد الكوري للعلوم والتكنولوجيا (KIST)، بالتعاون مع فريق البروفيسور بايك سانج سو في جامعة يونجنام، بتطوير تقنية تستخدم الذكاء الاصطناعي القائم على البيانات للتنبؤ بدقة بتركيز الأيونات في الماء أثناء عمليات معالجة المياه الكهروكيميائية.

نُشرت ورقتهم البحثية في مجلة Water Research .

قام الباحثون في البداية ببناء نموذج الغابة العشوائية، وهي تقنية التعلم الآلي القائمة على الأشجار، والتي تم استخدامها لمشاكل الانحدار، ثم قاموا بتطبيقها للتنبؤ بتركيزات الأيونات في تقنيات معالجة المياه الكهروكيميائية.

نظرًا لبساطة قياسها، تعد موصلية النفايات أحد أكثر العوامل التي تمت دراستها في تقييمات أداء تحلية المياه بناءً على تركيزات الأيونات في عمليات امتصاص الأيونات المختلفة مثل إزالة الأيونات بالسعة (CDI) أو إزالة الأيونات من أقطاب البطارية (BDI)، ومع ذلك، فإن هذا التحويل البسيط من موصلية النفايات إلى تركيز الأيونات غالبًا ما يكون غير صحيح، مما يستلزم طريقة أكثر تطابقًا لإجراء قياسات في الوقت الفعلي لتركيزات أيونات النفايات.

في هذه الدراسة، تم تطوير نموذج الذكاء الاصطناعي القائم على الغابة العشوائية (RF) لمعالجة هذا القصور.

أظهر نموذج RF المقترح دقة تنبؤ ممتازة عندما تم التحقق من صحته لأول مرة في التنبؤ بموصلية النفايات لكل من بيانات CDI (R 2 = 0.86) وBDI (R 2 = 0.95). علاوة على ذلك، تنبأ نموذج RF بنجاح بتركيز كل أيون (Na⁺ وK⁺ وCa2⁺ و Cl⁻) من قيم الموصلية.

كانت دقة التنبؤ بتركيز الأيونات أعلى من دقة التنبؤ بموصلية النفايات، ويرجع ذلك على الأرجح إلى الارتباط الخطي بين متغيرات الإدخال والإخراج لمجموعة البيانات.

كما تم تقييم تأثير فترة أخذ العينات على الموصلية وتركيزات الأيونات، ولم يكن هناك فرق كبير حتى فترات أخذ العينات <80 ثانية بناءً على قيمة خطأ النموذج.

تشير هذه النتائج إلى أنه يمكن استخدام نموذج RF للتنبؤ بتركيزات الأيونات في CDI / BDI، والتي يمكن استخدامها كمؤشرات أساسية في تقييم أداء تحلية المياه.

قياس جودة المياه كل دقيقة

تمكن نموذج الذكاء الاصطناعي المتطور القائم على الغابات العشوائية من التنبؤ بدقة بالتوصيل الكهربائي للمياه المعالجة وتركيز كل أيون (Na + ، K + ، Ca2 + ، و Cl- ) (R2 = ~0.9).

ووجد الباحثون أيضًا أن التحديثات كانت مطلوبة كل 20 إلى 80 ثانية تقريبًا لتحسين دقة التوقعات، مما يعني أنه من أجل تطبيق هذه التقنية على شبكات جودة المياه الوطنية لتتبع أيونات محددة، من الضروري قياس جودة المياه كل دقيقة على الأقل لتدريب النموذج الأولي.

يتميز نموذج الغابة العشوائية المستخدم في هذه الدراسة بكونه متفوقًا اقتصاديًا على نماذج التعلم العميق المعقدة، حيث يتطلب موارد حوسبة أقل بما يزيد عن 100 مرة للتدريب.

وقال الدكتور مون: “إن أهمية هذا البحث لا تكمن فقط في تطوير نموذج جديد للذكاء الاصطناعي، بل وأيضًا في تطبيقه على نظام إدارة جودة المياه الوطني. وباستخدام هذه التكنولوجيا، يمكن مراقبة تركيز الأيونات الفردية بدقة أكبر، مما يساهم في تحسين رفاهة المياه الاجتماعية”.