Ứng dụng mạng nơron hồi quy tổng quát và thuật toán nội suy đánh giá chất lượng nước mặt sông và các chi lưu sông Đồng Nai, tỉnh Bình Dương năm 2012 - 2018

Abstract

The Dong Nai River is one of the main water supply sources for living and production activities in Binh Duong province. However, the Dong Nai River is currently under pressure by emissions from industries, urban, agriculture and service activities. In this paper, the generalized regression neural network model (GRNN) and the interpolation algorithm was used to evaluate water quality of the Dong Nai river and tributaries. Monitoring data used was for 7 years from 2012 to 2018 at 12 monitoring stations. The results of the study indicated that the GRNN model was a good performance to assess the water quality of the Dong Nai river and tributaries. Comparing the results of the GRNN model with the water quality index showed that the GRNN model was reliable and in close agreement with the actual results with R² = 0.938, RMSE = 0.055, E = 0.935. Water quality interpolation map also illustrated that the water quality in the neighbor area was still good. Besides, the GRNN model has a lower cost and less time consumption compared to the WQI method of the Vietnam Environment Administration.

Tóm tắt

Sông Đồng Nai là một trong những nguồn nước cấp chính cho hoạt động sinh hoạt và sản xuất tỉnh Bình Dương. Tuy nhiên, hiện nay sông Đồng Nai đang chịu nhiều áp lực bởi nguồn phát thải từ các khu công nghiệp, đô thị, nông nghiệp và dịch vụ. Trong bài báo này, mô hình mạng nơron hồi quy tổng quát (GRNN) và thuật toán nội suy được sử dụng đánh giá chất lượng nước sông Đồng Nai và các chi lưu. Dữ liệu quan trắc được sử dụng trong 7 năm từ năm 2012-2018 tại 12 điểm quan trắc tại Sở Tài nguyên và Môi trường tỉnh Bình Dương. Kết quả nghiên cứu chỉ ra GRNN có thể giúp đánh giá chất lượng nước sông Đồng Nai và các chi lưu với RMSE = 0,052 trong huấn luyện và RMSE = 0,061 trong kiểm tra mô hình. So sánh kết quả tính chất lượng nước từ mô hình GRNN và chỉ số WQI của Tổng cục Môi trường cho thấy GRNN cho kết quả đánh giá đáng tin cậy và gần với kết quả thực tế với R²= 0,938, RMSE= 0,055, E = 0,935. Bên cạnh đó, mô hình GRNN có chi phí đánh giá thấp và thời gian tính toán nhanh hơn so với phương pháp đánh giá WQI của Tổng cục Môi trường.