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

स्वच्छ जल मानव स्वास्थ्य का आधार है, एक बुनियादी आवश्यकता जो समुदायों को फलने-फूलने और अर्थव्यवस्थाओं को बढ़ने में सक्षम बनाती है। फिर भी, इस जल के स्रोत—नदियाँ, झीलें और भूमिगत जलभृत (एक्विफर्स)—बदलते जलवायु के बदलते पैटर्न के कारण तेजी से संवेदनशील होते जा रहे हैं। जैसे-जैसे तापमान बढ़ता है और मौसम अधिक चरम होता जाता है, इन जल निकायों का रासायनिक संतुलन बदल सकता है, जिससे प्रदूषक आ सकते हैं या वे गुण ही बदल सकते हैं जो पानी को पीने के लिए सुरक्षित बनाते हैं। दशकों तक, वैज्ञानिकों ने इन परिवर्तनों की निगरानी के लिए भौतिक परीक्षण और रासायनिक विश्लेषण पर भरोसा किया है, लेकिन डेटा की विशाल मात्रा और पर्यावरणीय कारकों की जटिलता ने भविष्य के जोखिमों का गति और सटीकता के साथ पूर्वानुमान लगाना कठिन बना दिया है। हाल के वर्षों में, मदद के लिए एक नया उपकरण उभरा है: मशीन लर्निंग। यह दृष्टिकोण कंप्यूटर एल्गोरिदम का उपयोग करके डेटा के बड़े सेटों में छिपे हुए पैटर्न को खोजने के लिए किया जाता है, जिससे शोधकर्ता वास्तविक समय में हर एक चर (वेरिएबल) को समझे बिना जटिल प्रणालियों के बारे में भविष्यवाणियां कर सकते हैं। कंप्यूटर को सुरक्षित बनाम असुरक्षित पानी के संकेतों को पहचानने के लिए प्रशिक्षित करके, वैज्ञानिक यह उम्मीद करते हैं कि वे संकट आने से पहले सार्वजनिक स्वास्थ्य की रक्षा करने के लिए प्रारंभिक चेतावनी प्रणाली बना सकेंगे।

एक हालिया अध्ययन में, शोधकर्ताओं ने यह परीक्षण करने के लिए हाथ डाला कि पानी पीने के लिए सुरक्षित है या नहीं, इसका पूर्वानुमान लगाने के लिए इनमें से कौन सी कंप्यूटर लर्निंग पद्धति सबसे अच्छी काम करती है। उन्होंने जल गुणवत्ता को परिभाषित करने वाले रासायनिक और भौतिक मापों के एक विशिष्ट सेट पर ध्यान केंद्रित किया, जिसमें अम्लता स्तर, खनिज सामग्री और जल उपचार के दौरान बनने वाले विशिष्ट उपोत्पादों की उपस्थिति शामिल है। टीम ने वास्तविक दुनिया के जल नमूनों का एक बड़ा संग्रह एकत्र किया, जिनमें से प्रत्येक को स्थापित स्वास्थ्य मानकों के आधार पर सुरक्षित या असुरक्षित के रूप में लेबल किया गया था। फिर उन्होंने इस डेटा को सात अलग-अलग प्रकार के निर्णय लेने वाले एल्गोरिदम में डाला, जो अनिवार्य रूप से सूचना को श्रेणियों में वर्गीकृत करने के लिए डिज़ाइन किए गए कंप्यूटर प्रोग्राम हैं। ये प्रोग्राम सरल, एकल-निर्णय मॉडल से लेकर जटिल प्रणालियों तक फैले हुए थे जो अंतिम निष्कर्ष तक पहुँचने के लिए सैकड़ों छोटे निर्णय वृक्षों (डिसीजन ट्री) का निर्माण करते हैं। शोधकर्ताओं ने इन मॉडलों को जल डेटा के विरुद्ध चलाने के लिए एक विशेष सॉफ्टवेयर टूल का उपयोग किया, जिससे सुरक्षित और असुरक्षित नमूनों की सही पहचान करने की उनकी क्षमता का परीक्षण किया जा सके।

इन तुलनाओं के परिणाम स्पष्ट थे। जबकि सभी कंप्यूटर मॉडलों ने सटीकता का कुछ स्तर प्रदान किया, एक विधि सबसे विश्वसनीय सिद्ध हुई। 'रैंडम फॉरेस्ट' (Random Forest) नामक एल्गोरिदम, जो कई छोटे निर्णय वृक्षों की भविष्यवाणियों को संयोजित करके काम करता है, ने उच्चतम समग्र सफलता दर प्राप्त की। इसने लगभग 70 प्रतिशत जल नमूनों को सही ढंग से वर्गीकृत किया, जो कि परीक्षण किए गए अन्य किसी भी मॉडल की तुलना में अधिक था। जब शोधकर्ताओं ने इस शीर्ष मॉडल के प्रदर्शन का गहराई से अध्ययन किया, तो उन्होंने पाया कि यह सुरक्षित पानी और स्वास्थ्य जोखिम पैदा करने वाले पानी के बीच अंतर करने में विशेष रूप से कुशल था। मॉडल ने पानी की सुरक्षा का पूर्वानुमान लगाने में मजबूत क्षमता दिखाई, जिसके सांख्यिकीय माप संकेत देते हैं कि यह अन्य विधियों की तुलना में अधिक सुसंगत और सटीक था, जिनमें सरल वृक्ष-आधारित मॉडल और निर्णय लेने वाले अन्य सॉफ्टवेयर शामिल थे।

अध्ययन ने उन विशिष्ट कारकों पर भी प्रकाश डाला जिनका उपयोग कंप्यूटर मॉडलों ने अपने निर्णयों को लेने के लिए किया। डेटा में pH, कठोरता, घुले हुए ठोस पदार्थ और क्लोरामिन्स तथा ट्राइहेलोमेथेन्स जैसे विभिन्न रासायनिक यौगिकों के माप शामिल थे, जो पानी में कार्बनिक पदार्थों के साथ कीटाशक्तों (डिसइन्फेक्टेंट्स) की प्रतिक्रिया से बन सकते हैं। मॉडलों ने सीखा कि जब इन मूल्यों के विशिष्ट संयोजन एक साथ दिखाई देते हैं, तो पानी के असुरक्षित होने की संभावना होती है। उदाहरण के लिए, विशिष्ट विसंक्रमण उपोत्पादों (डिसइन्फेक्शन बायप्रोडक्ट्स) के उच्च स्तर की उपस्थिति इस बात का प्रबल संकेतक थी कि पानी की गुणवत्ता गिर गई है। इन पैटर्नों की पहचान करके, रैंडम फॉरेस्ट मॉडल ने प्रदर्शित किया कि यह एक शक्तिशाली फिल्टर के रूप में कार्य कर सकता है, जो एक स्पष्ट उत्तर प्रदान करने के लिए जटिल रासायनिक डेटा को छाँट सकता है: सुरक्षित या असुरक्षित।

यह शोध जल प्रबंधकों और सार्वजनिक स्वास्थ्य अधिकारियों के लिए एक व्यावहारिक मार्ग प्रदान करता है। उन क्षेत्रों में जहाँ जल संसाधन दुर्लभ हैं या जहाँ पारंपरिक परीक्षण विधियाँ बहुत धीमी या महंगी हैं, यह कंप्यूटर मॉडल जल सुरक्षा के त्वरित मूल्यांकन के लिए प्रदान किया जा सकता है। अध्ययन सुझाव देता है कि रैंडम फॉरेस्ट दृष्टिकोण का उपयोग करके, अधिकारी जल आपूर्ति की बेहतर निगरानी कर सकते हैं, विशेष रूप से उन क्षेत्रों में जहाँ ठहरे हुए पानी या पोषक तत्वों के जमाव जैसी चुनौतियाँ हैं। हालांकि यह मॉडल पूर्ण नहीं है और इसमें अभी भी त्रुटि की कुछ गुंजाइश है, फिर भी यह तकनीक का उपयोग करके एक मौलिक मानव अधिकार की सुरक्षा की दिशा में एक महत्वपूर्ण कदम है। निष्कर्ष पुष्टि करते हैं कि उपलब्ध विभिन्न उपकरणों में से, यह विशिष्ट प्रकार की मशीन लर्निंग जल गुणवत्ता का पूर्वानुमान लगाने का सबसे भरोसेमंद तरीका प्रदान करती है, जो सभी के लिए स्वच्छ जल सुनिश्चित करने के भविष्य के प्रयासों के लिए एक ठोस आधार प्रदान करती है।