Prediction of Pollution Index of Groundwater Using Machine Learning Approach: A Case Study of Haryana State, Northern India

Dieses Kapitel bewertet die Grundwasserqualität in Haryana, Indien, unter Verwendung der Methode des Pollution Index of Grundwater (PIG) und maschineller Lernmodelle. Die Studie konzentriert sich auf die Trinkwassertauglichkeit des Grundwassers, die Anwendung von ML-Techniken zur Vorhersage von PIG-Werten und die Leistungsfähigkeit verschiedener ML-Modelle. Die Ergebnisse deuten darauf hin, dass 56,72% der Proben eine unbedeutende Verschmutzung aufweisen, wodurch sie zum Trinken geeignet sind, während andere Proben von niedrigen bis zu sehr hohen Verschmutzungsgraden reichen. Die Studie vergleicht die Leistung von vier ML-Modellen - Multiple Linear Regression (MLR), Support Vector Regression (SVR), Gaußsche Prozessregression (GPR) und Random Forest Regression (RFR) - bei der Vorhersage von PIG-Werten. Das Modell der Random Forest Regression zeigte die robusteste Leistung mit den höchsten R-squared-Werten und den niedrigsten Fehlerkennzahlen. Das Kapitel kommt zu dem Schluss, dass der PIG-Index ein wertvolles Instrument zur Zusammenfassung und Kommunikation von Grundwasserqualitätsdaten ist, das Entscheidungsträgern hilft, Grundwasserqualitätsprobleme zu verstehen und anzugehen.