A new approach to application of pattern recognition methods in analytical chemistry. II. Prediction of missing values in water pollution grid using modified KNN-method

• Autorzy: Hippe Z. S. , Zamorska J.

Warianty tytułu

PL

Nowe podejście do zastosowania metod rozpoznawania obrazów w chemii analitycznej. Przewidywanie brakujących wartości w siatce zanieczyszczenia wody zmodyfikowaną metodą KNN

• Języki publikacji: EN

Abstrakty

EN

This paper (the second in the series devoted to new applications of pattern recognition methods in analytical chemistry[ 1 ]) deals with prediction of pollutants concentrations in apparently stagnantwater. Determination of water quality indexes in lakes or ponds play a crux role in environmental protection, mainly for two reasons in classification of a given lake as a bathing resort, and classification of the Iake itseIf as a source of drinking water supply. Quantitative estimation of chemical and bacteriologic contamination is performed according to standardised procedures, gathering water samples in a specified collection sites, mainly in the flume, or sometimes in the vicinity of the Iake shore. Generally, it might be required to determine a few dozen of various chemical and bacteriological species for a given sample collection point, and depending on the size of the lake -the number of measurement points may be enormously large. In consequence, it Ieads to development of the so-called water pollution grid. In our research, perfoffi1ed in carefully controlled conditions, the chemical and bacteriological contamination of water in one of barrier lakes in South East Poland have been measured. The ultimate goal of research was testing the modified KNN-method (named "look-ahead-and-back-' [2,3]) in fore-casting concentrations of selected polIutants in a chosen location, basing on the known concentrations of these pollutants in neighbour nodes of the grid. Taking into account the known concentrations of pollutants in particular nodes of the grid (made intentionally sparse), multi-category predictions were carried out, and results obtained were compared with respective real values. It was found, that concentrations of some pollutants can be predicted with satisfactory precision, what in turn allows to create a dense pollution grid, consisting of measured and -to some extent -predicted data points. It may be assumed that methodology developed in our research may be securely applied in estimation of pollutants concentrations in various parts of a lake, thus providing a way to decrease the number of measuring nodes of the grid, and to cut down cost and time of its rendering.

PL

Niniejsza praca ( druga w serii o nowych zastosowaniach metod rozpoznawania obrazów w analizie chemicznej [1 ]) dotyczy zagadnień prognozowania zanieczyszczeń wód pozornie stojących. Analityczne badania wskaźników jakości wody w jeziorach odgrywają ogromną rolę, głównie z dwóch powodów: klasyfikacji zbiornika jako środowiska przydatnego do kąpieli, oraz klasyfikacji wody w aspekcie jej przydatności do spożycia. Ogólnie może nastąpić konieczność wyznaczania stężeń nawet kilkudziesięciu indywiduów chemiczno-bakteriologicznych w danym punkcie, zaś zależnie od wielkości zbiornika liczba punktów pomiarowych może być bardzo duża, co w konsekwencji prowadzi do utworzenia tzw. sieci skażeń wody. W badaniach prowadzonych w ściśle kontrolowanych warunkach, analizowano skład chemiczny i bakteriologiczny wody w jednym ze zbiorników zaporowych południowo-wschodniej Polski. Zasadniczym celem tych badań było podjęcie próby zasto-sowania metody rozpoznawania obrazów, w wariancie własnym "patrz-w-przód-i-wstecz KNN" [2,3], do prognozowania poziomu stężeń niektórych zanieczyszczeń w wybrany m punkcie węzłowym, na podstawie znajomości wartości tych zanieczyszczeń w sąsiadujących punktach sieci. Dysponując danymi pomiarowymi dla poszczególnych węzłów tej sieci (z zamysłem mającej strukturę sieci rzadkiej) prowadzono wielokategoryjne badania prognozowania stężeń zanieczyszczeń, porównując uzyskane wyniki z danymi faktycznymi. Stwierdzono, że stężenia niektórych zanieczyszczeń można przewidywać z zadowalającą dokładnością, co stwarza możliwość zastosowania testowanej przez nas metody do tworzenia gęstej sieci zanieczyszczeń jezior utworzonej z wykorzystaniem danych pomiarowych rzeczywistych, oraz -do pewnego stopnia- danych pomiarowych prognozowanych. Z pewną ostroŻl1ością można przypuszczać, iż opracowana przez nas metodyka może w pewnym stopniu zmniejszyć liczbę koniecznych węzłów typu pomiarowego takiej sieci, a w konsekwencji i o obniżyć koszty oraz skróci ć czas jej opracowywania.

Słowa kluczowe

EN

pattern recognition; analytical chemistry; water pollution

PL

rozpoznawanie obrazów; chemia analityczna; zanieczyszczenie wody

• Wydawca: Komitet Chemii Analitycznej PAN
• Czasopismo: Chemia Analityczna
• Rocznik: 1999
• Tom: Vol. 44, No. 3B
• Strony: 597--602
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Hippe Z. S.

• Department of Computer Chemistry, Faculty of Chemistry, Rzeszów University of Technology

autor

Zamorska J.

• Department of Water Purification and Protection, Faculty of Civil and Environmental Engineering, Rzeszów University ofTechnology

Bibliografia

• 1. Hippe Z.S., Anal. Chem. (Warsaw), 40, 473 (1995).
• 2. Hippe Z.S., Design and Application of New Knowledge Engineering Tool for Solving Real world Problems, Knowledge-Based Systems 9, 1996, pp. 509-515.
• 3. Hippe Z.S., Case-based Reasoning in lntelligent CAE Systems. I. Classification and prediction of materials properties, Proc. 2nd International Scientific Colloquium, Fachhochschule Bielefeld, Germany, September 11-13, 1995, pp. 103-109.
• 4. Higashi K. and Hagiwara K., Water Science and Technology WSED4, 20, 55 (1988).
• 5. Dunn W.J., et all., Anal. Chem., 56, 1308 (1984).
• 6. Petty J.D., Schwartz T.R. and Stalling D.L., Gas Chromatographic Residue Patterns in Fish Samples from the Great lakes and from Rivers of the Southeastern United States, in: New Approaches to Monitoring Aquatic Ecosystems, American Society for Testing and Materials, Philadelphia (PA) 1987, pp. 165-172.
• 7. Spreizer G.M., Calabrese T.J. and Weider R.S., Assessing the Usability of Historical Water Quality Data for Current and Future Applications, in: Current Practices in Ground Water and Vadose Zone Investigations. STP 118, 1992, pp. 377-390.
• 8. Bartels J.H.M., Janse T.A.H.M. and Pijpers F.W., Anal. Chim. Acta, 177, 35 (1985).
• 9. Chen G.N., Anal. Chim. Acta., 271, 115 (1993).
• 10. Lavine B.K., Stine A. and Mayfield H.T., Anal. Chim. Acta., 277, 357 (1993).
• 11. Naf C., et all., Environ. Sci. Technol., 26, 1444 (1992).
• 12. Duever D.L., Kowalski B.R. and Schatzki T.F., Source Identification of Oil Spills by Pattern Recognition Analysis of Natural Elemental Composition, National Technical Information Service, Sprengfield, Interim Technical Report, August, 1974, January 1975, February 1975.
• 13. Ruyken M.M.A. and Pijpers F.W., Anal. Chim. Acta, 194, 25 (1987).
• 14. Starmach K., Wróbel S. and Pasternak K., Hydrobiology, Polish Scientific Publishers (PWN), Warsaw 1978, (in Polish).
• 15. Polish Standards, (Water and Sewage).
• 16. Standard Methods for the Examination of Water and Wastewater, American Public Health Association, Washington 1976.
• 17. Szczepańska J. - private communication.
• 18. Szczepańska J. and Kmiecik E., Statistical Control of Data Quality in Monitoring of Underground Water, Office of Academy of Mining and Metallurgy, Cracow 1998, (in Polish).