Artificial Intelligence-Based Prediction of Bioremediation of Crude Oil-Contaminated Soil
تُظهر هذه الدراسة أن الشبكة العصبية الاصطناعية من نوع "المدرك متعدد الطبقات"، والتي تم تدريبها على بيانات معززة بالشرائح الحركية من عينات ميدانية، تتفوق على النماذج الأخرى لتعلم الآلة في التنبؤ بدقة وتصنيف كفاءة المعالجة الحيوية للنفط الخام، حيث حدد تحليل "SHAP" تركيز الزيت والشحم باعتباره المحدد الرئيسي لنتائج المعالجة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تُعد التربة الملوثة بالنفط الخام مشكلة مستعصية على البيئة. فعندما يتسرب النفط إلى الأرض، فإنه يخل بالبنية الطبيعية للتربة، ويمنع وصول الهواء والماء إلى جذور النباتات، ويسم التسمم الكائنات الحية الدقيقة التي تحافظ على صحة التربة. ولعقود من الزمن، اعتمد العلماء على طريقة تسمى المعالجة الحيوية لتنظيف هذه المواقع. لا تستخدم هذه الطريقة مواد كيميائية قاسية أو آلات ثقيلة؛ بل تشجع بدلاً من ذلك البكتيريا والفطريات الموجودة طبيعياً على "أكل" النفط، وتفكيكه إلى مواد غير ضارة مثل الماء وثاني أكسيد الكربون. وبينما تعد هذه الطريقة فعالة وصديقة للبيئة، إلا أن تتبع تقدمها كان أمراً صعباً. فتقليدياً، يتعين على الباحثين الانتظار لأسابيع لجمع عينات التربة، ونقلها إلى المختبر، وإجراء اختبارات معقدة لمعرفة مقدار النفط الذي اختفى. هذه العملية بطيئة ومكلفة، وغالباً ما تترك المديرين في حالة تخمين عما إذا كانت عملية التنظيف تسير بالسرعة الكافية أو ما إذا كانت بحاجة إلى تعديل.
لقد طور فريق من الباحثين من جامعة أبوبكر تافاوا باليوا في نيجيريا طريقة جديدة للتنبؤ بمدى نجاح عملية التنظيف البيولوجي هذه دون انتظار نتائج المختبر. لقد أنشأوا برنامجاً حاسوبياً يعمل مثل "البلورة السحرية" لصحة التربة، باستخدام كمية صغيرة من البيانات الواقعية للتنبؤ بمستقبل موقع ملوث. بدأ الباحثون بقياسات من أربعة عشر عينة تربة مختلفة تمت مراقبتها على مدار ثمانية أسابيع. وقد تتبعوا كيف تغيرت كمية النفط، وعدد البكتيريا المفيدة الموجودة، ومدى رطوبة التربة، وكمية الوقت الذي مضى. ولأن مجموعة البيانات الأصلية هذه كانت أصغر من أن تُستخدم لتدريب نموذج حاسوبي قوي، فقد استخدموا تقنية رياضية لتوسيعها، مما أدى إلى إنشاء الآلاف من نقاط البيانات الجديدة والواقعية التي ملأت الفجوات بين قياساتهم الأسبوعية. وقد سمح هذا بتعليم نظام حاسوبي متطور، يُعرف باسم الشبكة العصبية الاصطناعية، كيفية التعرف على الأنماط التي يختفي بها النفط من التربة بمرور الوقت.
تعلم النموذج الحاسوبي التنبؤ بكفاءة عملية التنظيف بدقة مذهلة. وعند اختباره مقابل بيانات لم يسبق له رؤيتها، حدد النموذج نتيجة عملية المعالجة بشكل صحيح بنسبة تقارب 98 في المائة. ومن الناحية العملية، يعني هذا أن الكمبيوتر يمكنه تقدير النسبة المئوية للنفط الذي تمت إزالته بهامش خطأ متوسط يقل عن ثلاث درجات مئوية. كما اختبر الباحثون النموذج كأداة بسيطة للإجابة بـ "نعم" أو "لا" لمعرفة ما إذا كان الموقع قد وصل إلى هدف سلامة محدد، وهو في هذه الحالة إزالة 70 في المائة على الأقل من النفط. وقد اتخذ النظام القرار الصحيح بنسبة 96 في المائة، حيث نجح في التمييز بين المواقع التي كانت جاهزة لإعلان نظافتها وتلك التي لا تزال بحاجة إلى عمل. ويشير هذا المستوى من الدقة إلى أن مثل هذه الأداة يمكن أن تساعد مديري البيئة في اتخاذ قرارات أسرع وأفضل، مما يوفر الوقت والمال مع ضمان أن الأرض الملوثة آمنة حقاً.
ولفهم سبب عمل النموذج بهذا الشكل الجيد، استخدم الباحثون طريقة للنظر داخل "دماغ" الكمبيوتر ومعرفة العوامل الأكثر أهمية. ووجدوا أن الدليل الأكثر أهمية للتنبؤ بالنجاح كان ببساً هو مقدار الزيت والشحم المتبقي في التربة. فقد كان وجود النفط أكثر تأثيراً بكثير من العوامل الأخرى، مثل مدى رطوبة التربة أو عدد البكتيريا الموجودة. وبينما لعب عدد البكتيريا ومستوى الرطوبة دوراً، إلا أن تأثيرهما كان ثانوياً مقارنة بتركيز الملوث الصرف. كما كان الوقت الذي مضى منذ بدء عملية التنظيف عاملاً أيضاً، لكن أهميته كانت نابعة أساساً من كون الوقت يسمح لتركيز النفط بالانخفاض طبيعياً. وتعد هذه النتيجة مهمة لأنها تشير إلى أنه إذا استطاع المديرون قياس المستوى الحالي للنفط في التربة، فيمكنهم التنبؤ بنجاح عملية التنظيف بشكل موثوق دون الحاجة إلى قياس كل المتغيرات الأخرى باستمرار.
تؤكد الدراسة أن تنبؤات الكمبيوتر لم تكن مجرد تخمينات محظوظة، بل استندت إلى فهم متين للعملية الفيزيائية. وكانت الأخطاء التي ارتكبها النموذج صغيرة وعشوائية، وليست متبعة لنمط مربك، مما يشير إلى أن النموذج مستقر وجدير بالثقة. كما لاحظ الباحثون أن النموذج أدى أداءً أفضل من العديد من الطرق الحاسوبية القياسية الأخرى التي جربوها، بما في ذلك المعادلات الخطية الأبسط وأنواع أخرى من تعلم الآلة. ورغم أن الدراسة استندت إلى بيانات من مجموعة محددة من العينات الميدانية، إلا أن نجاح هذا النهج يفتح الباب أمام نوع جديد من المراقبة. فبدلاً من الاعتماد فقط على الاختبارات المخبرية اليدوية البطيئة، يمكن لفرق البيئة استخدام هذه الأدوات التنبؤية للحصول على رؤية فورية تقريباً لكيفية تقدم عملية التنظيف، مما يسمح لهم بالتدخل بسرعة إذا توقفت العملية. ويمثل هذا العمل خطوة نحو جعل تنظيف الانسكابات النفطية أكثر كفاءة وقائماً على البيانات، وتحويل عملية بطيئة وغير مؤكدة إلى عملية يمكن توجيهها بوضوح وثقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.