تقدير الطلب الكيميائي على الأوكسجين في الراشح البلدي للمكبات باستخدام شبكات عصبية اصطناعية متعددة الطبقات بناءً على بيانات المراقبة الموسمية

لماذا تهم برك المكبات

تعتمد كل مدينة حديثة على المكبات لإخفاء نفاياتها عن الأنظار، لكن مياه الأمطار التي تتسرب عبر النفايات المدفونة قد تتحول إلى خليط كيميائي قوي يُسمى الراشح. يمكن لهذا السائل أن يلوث التربة والمياه إذا لم تتم مراقبته والتحكم به بعناية. تُظهر الدراسة الموصوفة هنا كيف يمكن لنوع من نماذج الحاسوب المستوحاة من طريقة عمل الدماغ أن يتنبأ بدرجة تلوث هذا الراشح — دون الحاجة لإجراء اختبارات مخبرية مكلفة في كل مرة. يمكن أن تساعد هذه المعرفة المجتمعات على جعل مواقع النفايات أكثر أمانًا وتقليل تكاليف المراقبة.

المياه الخفية تحت نفاياتنا

عندما تسقط الأمطار على مكب نفايات، تتخلل المياه عبر طبقات من بقايا الطعام والورق والبلاستيك وبقايا أخرى. خلال هذا المسار تذيب مواد عضوية، زيوت، أملاح، وآثار معادن ثقيلة مثل الزرنيخ والكوبالت والكادميوم. النتيجة هي الراشح، سائل داكن غالبًا ذو رائحة كريهة ينبغي جمعه ومعالجته. أحد المقاييس الأساسية لشدة تلوث هذا السائل هو ما يُسمى بالطلب الكيميائي على الأكسجين (COD). ببساطة، COD يخبرنا بكمية الأكسجين المطلوبة لتحلل جميع المواد الكيميائية والمواد العضوية في الماء؛ فالقيمة العالية لـ COD تعني تلوثًا قويًا ومحتملًا أن يكون ضارًا.

مراقبة مكب عبر فصول السنة

ركز الباحثون على مكب بلدي في نِغدة، وهي منطقة شبه جافة في وسط تركيا. على مدار عام كامل، من أواخر 2022 إلى أواخر 2023، أخذوا عينات أسبوعية من بركة الراشح حيث يجمع السائل القادم من المكب. قاسوا تسعة خصائص أساسية للراشح وبيئته: درجة الحرارة، الرقم الهيدروجيني (مدى الحموضة أو القلوية)، المواد الصلبة الكلية، الزيت والشحوم، الموصلية الكهربائية (مؤشر على ملوحة السائل)، ومستويات الزرنيخ والكوبالت والكادميوم، بالإضافة إلى COD. كانت قيم COD مرتفعة للغاية — في المتوسط نحو 35 ضعف الحد المسموح به لتصريف البلاد — مما يؤكد أن الراشح غير المعالج من المكبات قد يكون ملوثًا شديدًا.

تحويل قياسات كثيرة إلى إشارات ذكية قليلة

نظرًا لأن إجراء اختبارات مخبرية كاملة قد يكون مكلفًا وبطيئًا، بحث الفريق فيما إذا كان بالإمكان التنبؤ بـ COD من الخصائص الأخرى الأسهل قياسًا. بدأوا بأداة إحصائية تسمى تحليل المكونات الرئيسية. بدلاً من النظر إلى كل متغير بشكل منفصل، يجد هذا الأسلوب أنماطًا — تراكيب من القياسات تميل للصعود والهبوط معًا. ساعد هذا في إبراز العوامل التي تحمل أكبر قدر من المعلومات عن سلوك الراشح: برزت درجة الحرارة والـ pH والزيت والشحوم وبعض المعادن. من خلال تقليص عدد المدخلات إلى الأكثر إفادة فقط، أمَل الباحثون في بناء نماذج أبسط وأسرع لا تزال تلتقط الجوهر.

تعليم «دماغ» رقمي قراءة الراشح

جوهر الدراسة كان شبكات الإدراك متعددة الطبقات، وهو نوع من الشبكات العصبية الاصطناعية. هذا «الدماغ» الرقمي يتعلم عن طريق عرضه أمثلة: مدخلات مقاسة مثل الرقم الهيدروجيني أو درجة الحرارة مقترنة بقيم COD الحقيقية. تم تقسيم مجموعة البيانات التي تضمنت 52 عينة أسبوعية حسب الموسم إلى جزء للتدريب وجزء للاختبار، بحيث يواجه النموذج ظروفًا لم يرها من قبل. جرب الفريق أربعة تصاميم نموذجية، كل منها يستخدم مجموعات مدخلات مختلفة، واعتمدوا على التحقق المتقاطع المتكرر — طريقة تدرب وتختبر النموذج على تقسيمات مختلفة من البيانات عدة مرات — لتجنب التحيز الناتج عن الصدف. النموذج الأفضل أداءً استخدم خمسة متغيرات فقط مختارة من تحليل الأنماط السابق وكان له بنية تتألف من طبقة مدخلات، طبقة مخفية واحدة بها 21 عقدة، وعقدة إخراج واحدة.

ما الذي يخبرنا به النموذج

عندما اختُبر هذا النموذج الأفضل على بيانات لم يرها من قبل، تطابقت القيم المتنبأ بها لـ COD مع القياسات الحقيقية عن قرب، بارتباط قدره 0.864. هذا يعني أن النموذج التقط معظم صعود وهبوط مستويات تلوث المكب عبر الفصول، رغم أن إجمالي عدد العينات كان متواضعًا. بقيت أخطاء في بعض الحالات، لاسيما عند مستويات COD المنخفضة، لكن الأداء العام يوحي بأن مجموعة صغيرة من القياسات الروتينية يمكن أن تحل بشكل موثوق محل الفحص الكيميائي الكامل. بالنسبة لمشغلي المكبات والجهات الرقابية، يقدم هذا النهج وسيلة عملية لمراقبة سائل خطير مع توفير الوقت والتكلفة.

إشراف أنظف لمشكلة قذرة

باختصار، تُظهر هذه الدراسة أن التحليل الذكي للبيانات والتعلم الآلي يمكن أن يحولا مشكلة فحص معقدة ومكلفة إلى مشكلة قابلة للإدارة. من خلال تدريب شبكة عصبية على عام من المراقبة الموسمية، بنى الباحثون أداة تقدر مدى تلوث راشح المكب من مجموعة صغيرة من الاختبارات الأبسط. هذا لا يغني عن المعالجة أو الفحوص التفصيلية، لكنه يمنح متخذي القرار نظام إنذار أسرع وطريقة أكثر كفاءة للتخطيط. ومع تحسن نماذج مماثلة وتغذيتها ببيانات أكثر، قد تصبح أدوات معيارية لضمان بقاء السوائل تحت نفاياتنا تحت السيطرة وبعيدة عن مسارات المياه لدينا.

الاستشهاد: Gök, G., Gürbüz, O.Ö. & Gürbüz, O.A. Estimating chemical oxygen demand in municipal landfill leachate using multilayer perceptron artificial neural networks based on seasonal monitoring data. Sci Rep 16, 7096 (2026). https://doi.org/10.1038/s41598-026-37497-9

الكلمات المفتاحية: راشح المكب, تلوث المياه, الشبكات العصبية الاصطناعية, إدارة النفايات, الطلب الكيميائي على الأكسجين