شناسایی چالش های سنجش کیفیت آب و ارائه راهکار مبتنی بر اینترنت اشیا

آب رودخانه‌ها به عنوان منابع حیاتی برای جوامع انسانی و اکوسیستم‌ها نیازمند پایش دقیق و مستمر هستند تا از سلامت آنها اطمینان حاصل شود، چرا که توسط آلاینده‌های شیمیایی، فیزیکی و بیولوژیکی آلوده می‌شوند. در سنجش سنتی کیفیت آب، کارشناسان و پژوهشگران پارامترهایی مانند دما، ph، شفافیت، کدری، اکسیژن محلول، نیترات و غیره را اندازه‌گیری و شاخص کیفیت آب را طبق استانداردهای irwqisc و nsfwqi محاسبه می‌کنند. هدف این پژوهش شامل دو بخش است. در بخش اول، پارامترهای موثر در کیفیت آب و مشکلات روش‌های سنتی با کمک کارشناسان و خبرگان از سازمان‌های محیط زیست و اداره آب و فاضلاب، با استفاده از روش دلفی-فازی انجام شد. نتایج حاصل از تجزیه وتحلیل داده ها در وبسایت مربوط به مصاحبه، جمع آوری شد و تحلیل ها بعد از دانلود نتایج به فرمت اکسل و بارگذاری و محاسبه در محیط پایتون نشان داد که پارامترهای اندازه گیری فلزات سنگین و کلروفیل a به ترتیب دارای بیشترین و کمترین اولویت در سنجش کیفیت آب هستند. همچنین چالش‌هایی مانند به‌روز نبودن سنجش، کیفیت آب، هزینه بالای سنجش، خطای زیاد، کمبود کارشناسان خبره در سازمان و غیره شناسایی شد. علاوه بر اینهمه کارشناسان براین عقیده بودند که روش سنتی و مرسوم جاری توانایی پاسخگویی به نیازهای جدید از قبیل استخراج خودکار الگوها، پیشبینی پارامترها و غیره که توسط یک دستیار هوشمند قابل حصول هستند را ندارد. در بخش دوم مقاله روشی مبتنی بر اینترنت اشیا برای سنجش پارامترهای موثر و اولویت دار در سنجش کیفیت آب رودخانه ها، ارائه، طراح ی و پیاده سازی گردید. سیستم پیشنهادی چهار لای های دارای لایه های، ادراک، شبکه، پلتفرم ابری و کاربردی است. سیستم پیشنهادی در یک رودخانه نصب و راه اندازی گردید که این سیستم علاوه بر برطرف کردن مشکلاتروش سنتی موجود در سازمان ها، قابلیت برآورده سازی نیازمندی های جدید را دارد .

identifying challenges in water quality measurement and proposing iot-based solution

rivers serve as vital resources for human communities and ecosystems, necessitating precise and continuous monitoring to ensure their health.rivers are subjected to contamination by numerous chemical, physical and biological pollutants. water quality assessment is a process wherein experts and researchers from organizations such as environmental agencies and universities traditionally measure parameters affecting waterquality, such as water temperature, ph, transparency, turbidity, dissolved oxygen, nitrate levels, among others. subsequently, the water quality index (wqi) is calculated according to specific standards, such as irwqisc and nsfwqi. the objective of this paper encompasses two sections.in the first section, using the delphi-fuzzy method, we identify parameters critical to water quality assessment, the existing challenges in traditional methods, and new requirements based on artificial intelligence and iot technologies. this was accomplished with the assistance of selected experts using the snowball sampling method from relevant organizations such as the environmental protection agency and the water and sewerage department. the data analysis results, processed by appropriate softwares, indicated that the measurement of heavy metals and chlorophyll-a ranked the highest and the lowest in priority, respectively. additionally, challenges such as outdated water quality assessmentpractices, high assessment costs, significant errors, and a shortage of expert professionals in organizations were identified. furthermore, all experts agreed that the current traditional methods are inadequate for meeting new requirements, such as automated pattern extraction and parameter prediction, which can be achieved with an intelligent assistant. in the second section of the paper, an iot-based method for measuringthe critical and prioritized parameters in river water quality assessment is proposed, designed, and implemented. the proposed system consists of four layers: perception, network, platform, and application. this system was installed and operated in a real-world river environment. the proposed system not only addresses the issues present in traditional methods used by organizations but also meets the new requirements.