Hemometrijske metode za predviđanje parametara kvaliteta rečnih voda i razgradnje zagađujućih materija
Chemometric methods for the prediction of river water quality parameters and pollutants degradation
Докторанд
Mitrović, Tatjana Đ.Ментор
Ristić, MirjanaЧланови комисије
Lazović, SašaPerić-Grujić, Aleksandra
Živojinović, Dragana Z.
Lazarević-Pašti, Tamara
Метаподаци
Приказ свих података о дисертацијиСажетак
Hemometrijske metode se koriste za obradu velikog broja podataka dobijenih u hemijskoj
analizi, redukciju podataka i izbor adekvatnog broja potrebnih parametara koji bi bili
obuhvaćeni redovnim monitoringom, a sve u cilju predviđanja ponašanja raznih parametara,
određivanja međusobnih odnosa, sličnosti i razlika koje uslovljavaju grupisanje parametara, i
važnosti svakog parametra u prostorno/vremenskoj varijaciji u kvalitetu rečne vode.
Odabrane hemometrijske metode su primenjene u okviru ove doktorske disertacije za analizu
i tumačenje uticaja različitih parametara značajnih za inženjerstvo zaštite životne sredine:
određivanje i procenu kvaliteta rečnih voda, određivanje porekla zagađujućih materija u
rečnoj vodi, predviđanje koncentracija parametara kvaliteta rečnih voda, opis i analizu
procesa oksidacije gasnom plazmom dve grupe zagađujućih materija vode, tekstilnih boja i
pesticida. U svakoj od oblasti koja je bila obuhvaćena istraživanjem (monitoring i procesi
tretmana zagađujućih... materija) korišćene su odgovarajuće analitičke tehnike, kao i
instrumentalne metode analize, u skladu sa relevantnim standardima. Dobijeni
eksperimentalni podaci primenjeni su za modelovanje primenom veštačkih neuronskih mreža
(ANN) i Monte Karlo simulacije (MCS). Za redukciju podataka i objašnjenje prostorne i
sezonske varijacije kvaliteta rečne vode na različitim lokalitetima od hemometrijskih metoda
bila je primenjena metoda glavnih komponenata (PCA).
S obzirom da je, kao posledica intenzivnog rasta broja stanovnika u svetu i povećanja stepena
industrijalizacije kvalitet rečnih voda narušen, neophodno je svakodnevno pratiti njen kvalitet
i analizirati veliki broj podataka: vrednosti fizičkohemijskih, bioloških, izotopskih i
hidroloških parametara, lokacije uzorkovanja, sezonske prilike u kojima se merenja obavljaju,
itd. Informacije koje se dobiju monitoringom predstavljaju osnovu za strategiju upravljanja
prirodnim vodnim resursima, kako bi se održao ili čak unapredio njihov kvalitet. Primenom
hemometrijskih tehnika moguće je odrediti eventualne korelacije, trendove i međusobne
uticaje svih podataka koji se dobijaju monitoringom i samim tim smanjiti obim istraživanja u
smislu redukcije broja parametara kvaliteta i lokacija monitoringa.
U okviru ove disertacije analizirani su fizičkohemijski parametri kvaliteta vode i izotopi
odabranih elemenata reke Dunav na delu toka kroz Republiku Srbiju. Parametri kvaliteta vode
koji su praćeni tokom istraživanja su: temperatura, pH, elektrolitička provodljivost, mutnoća,
ukupne suspendovane materije, ukupne čvrste materije, ukupne isparljive suspendovane
materije, ukupne rastvorne materije, ukupna tvrdoća, rastvoreni kiseonik i ugljen-dioksid,
alkalitet, koncentracije kalcijuma, magnezijuma, natrijuma, kalijuma, gvožđa, bikarbonata,
sulfata, hlorida, karbonata, organskog azota (azot po Kjeldalu), neorganskih oblika azota
(amonijak, nitrat, nitrit) i fosfora (orto-fosfati), silikata, sadržaj organske materije (utrošak
KMnO4, K2Cr2O7), biološka potrošnja kiseonika (BPK), sadržaj hlorofila-a (Cha) i feofitina.
Izotopske analize su obuhvatale izotope lakih elemenata (δ18O, δ2H, δ13CDIC, δ13CPOC, δ15NTPN).U prvom delu disertacije su prikazani rezultati ispitivanja koji su imali za cilj određivanje
korelacije između sadržaja stabilnih izotopa i hidroloških, fizičkohemijskih i bioloških
parametara Dunava primenom analize glavnih komponenata, da bi se predvidele sezonske
varijacije kvaliteta reke i interakcije sa podzemnom vodom, kao i način prihranjivanja reke.
Pored toga, razvijeni su i optimizovani modeli neuronskih mreža za predviđanje vrednosti
pojedinih parametara kvaliteta rečne vode, u slučaju isključivanja pojedinih stanica iz
redovnog monitoringa. Za odabir ulaznih promenljivih i procenu njihove značajnosti je
primenjena tehnika Monte Karlo simulacije, kako bi se razvio model sa minimalnim brojem
ulaznih promenljivih, uz poboljšanje performansi samog modela...
Chemometric methods are used in processing of large dataset obtained in chemical analysis,
data reduction and selection of an adequate number of required parameters which would be
included in regular monitoring; they are applied to predict the behavior of various
parameters, determine relationships, similarities and differences which cause parameters
grouping and the importance of each parameter in the spatial/temporal variation in river
water quality. Within this doctoral dissertation selected chemometric methods were applied
to analyse and interpret data and the impact of various parameters which are important for
environmental engineering, such as: river water quality determination and assessment, the
origin of pollutants in river water, prediction of river water quality parameters,
characterization and analysis of degradation of two groups of water pollutants, textile dyes
and pesticides by gas plasma oxidation. In each of the areas covered by this research
(monitoring and pollutan...ts oxidation), appropriate analytical techniques and instrumental
methods were used, in accordance with the relevant standards. The obtained experimental
data were applied for the artificial neural networks (ANN) modeling and Monte Carlo
simulation (MCS). For data reduction and explanation of spatial and seasonal variation in
river water quality at different locations the PCA method was applied.
Since rapid population growth in the world and increased industrialization caused decline in
the surface water quality, continuous river water quality monitoring is necessary to provide
values of physicochemical, biological, isotopic, hydrologic parameters, characteristics of
sampling locations, seasonal conditions in which measurements are performed, etc. The
information collected from monitoring can be used for the water resource management
strategy, in order to maintain or even improve its quality. The chemometric techniques were
applied to determine possible correlations, trends and mutual influences of the data obtained
by monitoring and thus to reduce the scope of research in terms of reducing the number of
examined parameters and monitoring locations.
Physicochemical water quality parameters of the Danube through Republic of Serbia and
isotopes of selected elements in this research were analyzed. These water quality parameters
are continuously measured during the study: temperature, pH, electrolytic conductivity,
turbidity, total suspended solids, total solids, total volatile suspended solids, total dissolved
solids, total hardness, dissolved oxygen and carbon dioxide, alkalinity, concentrations of
calcium, magnesium, sodium, potassium, iron, bicarbonate, sulphate, chloride, carbonate,
organic nitrogen (Kjeldahl nitrogen), inorganic forms of nitrogen (ammonia, nitrate, nitrite)
and phosphorus (ortho-phosphates), silicate, organic matter content (consumption of KMnO4,
K2Cr2O7), biological oxygen demand (BOD), chlorophyll (Cha) and pheophytin content. Isotope
analyzes included isotopes of light elements (δ18O, δ2H, δ13CDIC, δ13CPOC,δ15NTPN).In the first part of the dissertation, possible correlation between the stable isotope
composition and hydrological, physicochemical and biological parameters of the Danube was
examined by applying the principle component analysis, in order to predict seasonal
variations of river quality, interaction with groundwater and river recharge. In addition,
artificial neural network models have been developed and optimized to predict certain water
quality parameters, in order to exclude specific monitoring locations from regular monitoring.
To select the input variables and to assess their significance, the Monte Carlo simulation
technique was applied; it was performed in order to develop a model with a minimum
number of input variables while improving the performance of the model itself.