Evaluation of decision tree algorithms for predictive machine learning modelling of potable water quality

Sauberes Wasser ist das Fundament der menschlichen Gesundheit, eine Grundvoraussetzung, die es Gemeinschaften ermöglicht, zu gedeihen und Volkswirtschaften zu wachsen. Doch die Quellen dieses Wassers – Flüsse, Seen und unterirdische Aquifere – sind zunehmend anfällig für die sich verschiebenden Muster unseres sich verändernden Klimas. Während die Temperaturen steigen und das Wetter extremer wird, kann sich das chemische Gleichgewicht dieser Gewässer verschieben, was Schadstoffe einführt oder die eigentlichen Eigenschaften verändert, die Wasser trinkbar machen. Jahrzehntelang haben sich Wissenschaftler auf physikalische Tests und chemische Analysen verlassen, um diese Veränderungen zu überwachen, aber das schiere Volumen der Daten und die Komplexität der Umweltfaktoren haben es schwierig gemacht, zukünftige Risiken mit Geschwindigkeit und Präzision vorherzusagen. In den letzten Jahren ist ein neues Werkzeug entstanden, das helfen soll: maschinelles Lernen. Dieser Ansatz nutzt Computeralgorithmen, um verborgene Muster in großen Datensätzen zu finden, was es Forschern ermöglicht, Vorhersagen über komplexe Systeme zu treffen, ohne jede einzelne Variable in Echtzeit verstehen zu müssen. Indem man Computern beibringt, die Anzeichen für sicheres gegenüber unsicherem Wasser zu erkennen, hoffen Wissenschaftler, Frühwarnsysteme zu schaffen, die die öffentliche Gesundheit schützen können, bevor eine Krise eintritt.

In einer kürzlich durchgeführten Studie untersuchten Forscher, welche dieser Methoden des maschinellen Lernens am besten geeignet ist, um vorherzusagen, ob Wasser trinkbar ist. Sie konzentrierten sich auf einen spezifischen Satz chemischer und physikalischer Messwerte, die die Wasserqualität definieren, einschließlich Säuregehalts, Mineraliengehalt und dem Vorhandensein spezifischer Nebenprodukte, die während der Wasseraufbereitung entstehen. Das Team sammelte eine große Menge an realen Wasserproben, von denen jede basierend auf etablierten Gesundheitsstandards als sicher oder unsicher gekennzeichnet war. Diese Daten fütterten sie dann in sieben verschiedene Arten von Entscheidungsalgorithmen ein, bei denen es sich im Wesentlichen um Computerprogramme handelt, die Informationen in Kategorien sortieren. Diese Programme reichten von einfachen, einzelnen Entscheidungsmodellen bis hin zu komplexen Systemen, die hunderte kleiner Entscheidungsbäume aufbauen, um zu einem endgültigen Schluss zu gelangen. Die Forscher nutzten ein spezialisiertes Softwaretool, um diese Modelle gegen die Wasserdaten zu testen und ihre Fähigkeit zu prüfen, sichere und unsichere Proben korrekt zu identifizieren.

Die Ergebnisse dieses Vergleichs waren eindeutig. Obwohl alle Computermodelle ein gewisses Maß an Genauigkeit boten, stach eine Methode als die zuverlässigste hervor. Der als „Random Forest“ bekannte Algorithmus, der dadurch arbeitet, dass er die Vorhersagen vieler kleinerer Entscheidungsbäume kombiniert, erreichte die höchste Erfolgsquote. Er klassifizierte fast 70 Prozent der Wasserproben korrekt, eine Zahl, die höher war als bei jedem anderen getesteten Modell. Als die Forscher tiefer in die Leistung dieses Top-Modells blickten, stellten sie fest, dass es besonders gut darin war, zwischen sicherem Wasser und Wasser, das ein Gesundheitsrisiko darstellt, zu unterscheiden. Das Modell zeigte eine starke Fähigkeit, die Sicherheit des Wassers vorherzusagen, wobei statistische Kennzahlen anzeigten, dass es konsistenter und genauer war als die anderen Methoden, zu denen einfachere baumbasierte Modelle und andere Variationen von Entscheidungssoftware gehörten.

Die Studie hob auch die spezifischen Faktoren hervor, die die Computermodelle für ihre Urteile verwendeten. Die Daten enthielten Messwerte für den pH-Wert, die Härte, die gelösten Feststoffe und verschiedene chemische Verbindungen wie Chloramine und Trihalogenmethane, die entstehen können, wenn Desinfektionsmittel mit organischer Substanz im Wasser reagieren. Die Modelle lernten, dass das Wasser wahrscheinlich unsicher ist, wenn bestimmte Kombinationen dieser Werte zusammen auftreten. Beispielsweise war das Vorhandensein hoher Mengen spezifischer Desinfektionsnebenprodukte ein starker Indikator dafür, dass sich die Wasserqualität verschlechtert hatte. Durch das Identifizieren dieser Muster demonstrierte der Random-Forest-Algorithmus, dass er als leistungsstarker Filter fungieren kann, der komplexe chemische Daten sortiert, um eine klare Antwort zu liefern: sicher oder unsicher.

Diese Forschung bietet einen praktischen Weg nach vorn für Wasserverwalter und Gesundheitsbehörden. In Regionen, in denen Wasserressourcen knapp sind oder in denen traditionelle Testmethoden zu langsam oder zu teuer sind, könnte ein Computermodell wie dieses eine schnelle Bewertung der Wassersicherheit ermöglichen. Die Studie legt nahe, dass Behörden durch die Verwendung des Random-Forest-Ansatzes ihre Wasserbestände besser überwachen könnten, insbesondere in Gebieten, die vor Herausforderungen wie stehendem Wasser oder Nährstoffanreicherung stehen. Obwohl das Modell nicht perfekt ist und noch Raum für Fehler lässt, stellt es einen bedeutenden Schritt dar, Technologie einzusetzen, um ein grundlegendes Menschenrecht zu schützen. Die Ergebnisse bestätigen, dass unter den verschiedenen verfügbaren Werkzeugen diese spezifische Art des maschinellen Lernens die verlässlichste Methode bietet, um die Wasserqualität vorherzusagen, und somit ein solides Fundament für zukünftige Bemühungen schafft, sauberes Wasser für alle zu gewährleisten.