蛍光由来水質パラメータを用いた排出汚染検出のための検出限界ベースおよびK近傍法ベース分類アプローチの比較評価

科学分野:

• 環境科学; 分析化学; データサイエンス

背景:

• 廃水処理場（WWTP）の排出汚染は、公衆衛生と生態系にリスクをもたらします。光学増白剤と蛍光が指標として使用されますが、長期的な機械学習研究は乏しいです。水生環境の保護には、効果的な検出方法が不可欠です。

研究 の 目的:

• LODベースおよびKNNベースの機械学習法を比較して、WWTP排出の検出を比較すること。水質監視のための蛍光励起-放出マトリックス（EEM）および物理化学的パラメータの効果を評価すること。変動環境条件下での機械学習モデルの堅牢性を評価すること。

主な方法:

• 韓国の河川地点、WWTP排出、および影響を受けた下流地点から20ヶ月にわたって水サンプルを収集しました。蛍光励起-放出マトリックス（EEM）および従来の物理化学的パラメータを採用しました。データ分析のためにLODベースおよびKNNベースの分類アルゴリズムを利用しました。

主要な成果:

• KNNは、変動条件下でLODベースの方法（71-94％）を上回る、98％および91％の最適な精度を達成しました。トリプトファン様（ピークT）および微生物フミン様（ピークM）の蛍光が重要な指標でした。導電率が最も影響力のある物理化学的パラメータでした。90％の精度で検出可能な最小排出混合比は13-23％の範囲でした。

結論:

• 機械学習、特にKNNは、WWTP排出汚染を検出するための堅牢で正確なアプローチを提供します。蛍光分光法と機械学習の組み合わせは、水質監視能力を向上させます。この研究は、高度な分析技術による環境保護の改善の可能性を強調しています。