Prediction of turbidity in a lake raw water source: Use of Artificial Intelligence in drinking water productionVise andre og tillknytning
2024 (engelsk)Rapport (Annet vitenskapelig)Alternativ tittel
Prediktion av turbiditet i en vattentäkt : Användning av AI som ett verktyg i dricksvattenproduktion (svensk)
Abstract [en]
Turbidity, which is the cloudiness or haziness of water caused by large numbers of individual particles, is a critical factor for drinking water producers. High turbidity can harbour harmful microorganisms and reduce the effectiveness of disinfection processes, making it essential to monitor and manage to ensure safe drinking water.This study was conducted at the Rökebo water production plant, which produces drinking water for Sandviken and nearby areas, serving around 29,000 people. The treatment process includes several steps, such as chemical precipitation, filtration, UV treatment, and chlorination, to ensure the water is safe to drink.
A new plant is being constructed to use only lake water and will include additional treatment steps to remove natural organic matter.Lake Öjaren is moderately sized, covering 21 square kilometres with an average depth of 4.66 meters, which means it is a shallow lake. The depth and shape of the lake influence how it responds to wind and weather, which can stir up sediments and affect water clarity. The catchment area of Lake Öjaren consists mainly of forest and moraine but has 5.5% clear-cuts, which contribute to higher turbidity levels in combination with heavy precipitation.
Climate change is expected to bring warmer temperatures and more rain to Sweden, affecting Lake Öjaren’s water quality and availability. Projections indicate that runoff to the lake will increase by about 15%, which is more than the average for the area. Less precipitation will fall as snow, leading to more water flowing into the lake during winter. These changes will likely increase the levels of nutrients and organic matter in the lake, increasing turbidity and calling for an adaptation strategy at the drinking water plant. We tested several machine learning models to predict water turbidity, including ElasticNet Regression, RandomForestRegressor, GradientBoostingRegressor, and XGBoost.
These models helped us understand which factors most affect turbidity. For example, the RandomForestRegressor model performed well, showing that air temperature, wind speed, and rainfall from the past few days were important predictors. The XGBoost model also provided valuable insights, particularly emphasising the impact of rainfall from four days prior. Despite using general meteorological data, our models successfully predicted local conditions in Lake Öjaren, demonstrating their robustness. However, capturing extreme turbidity events remains challenging. High-quality data and advanced techniques are crucial for improving predictive accuracy. Future work should focus on collecting more detailed data and refining models to support effective water management and mitigate climate change impacts on the drinking water production. This ongoing research is vital for ensuring a reliable drinking water supply, even under changing environmental conditions.
Abstract [sv]
Turbiditet, som kan beskrivas som vattnets grumlighet orsakad av partiklar i vattenmassan, är en viktig faktor för dricksvattenproducenter. Hög turbiditet kan associeras med skadliga mikroorganismer och minska effektiviteten hos desinfektionsprocesser, vilket gör det nödvändigt att övervaka och hantera för att säkerställa ett säkert dricksvatten.Denna studie genomfördes vid Rökebo vattenverk, som producerar dricksvatten för Sandviken och närliggande områden för cirka 29 000 människor. Reningsprocessen innefattar flera steg som kemisk fällning, filtrering, UV-behandling och klorering för att säkerställa att vattnet är säkert att dricka.
En ny anläggning byggs för att endast använda sjövatten och kommer att inkludera ytterligare reningssteg för att avlägsna naturligt organiskt material.Sjön Öjaren är medelstor och täcker 21 km2, med ett genomsnittligt djup på 4,7 m, vilket innebär att det är en grund sjö. Sjöns djup och form påverkar hur den påverkas av väder och vind. En grund sjö som har lång sträcka i den förhärskande vindriktningen innebär sannolikt att den är känsligare för att sediment rörs upp och påverkar vattnets klarhet. Avrinningsområdet för Öjaren består huvudsakligen av skog och morän, men har 5,5 % kalhyggen, vilket bidrar till högre nivåer av turbiditet i kombination med kraftig nederbörd.
Klimatförändringarna förväntas medföra varmare temperaturer och mer regn till Sverige, vilket kommer att påverka vattenkvaliteten och tillgängligheten i sjön Öjaren. Prognoser indikerar att avrinningen till sjön kommer att öka med cirka 15 %, vilket är mer än genomsnittet för området. Detta beror på att mindre nederbörd kommer att falla som snö, vilket leder till mer vatten som flödar in i sjön under vintern. Dessa förändringar kommer sannolikt att öka nivåerna av näringsämnen och organiskt material i sjön, vilket ökar grumligheten och kräver en strategi för att hantera detta i vattenverket.I projektet testades flera olika maskininlärningsmodeller för att förutsäga vattnets turbiditet, inklusive ElasticNet Regression, RandomForestRegressor, GradientBoostingRegressor och XGBoost.
Dessa modeller hjälpte oss att förstå vilka faktorer som påverkar tubiditeten mest. Till exempel presterade RandomForestRegressor-modellen bra och visade att lufttemperatur, vindhastighet och nederbörd från de senaste dagarna var viktiga prediktorer. XGBoost-modellen gav också värdefulla insikter, särskilt genom att understryka effekten av nederbörd som fallit fyra dagar tidigare.Trots att vi använde allmänt tillgängliga meteorologiska data, lyckades våra modeller förutsäga lokala förhållanden i sjön Öjaren med acceptabel träffsäkerhet. Att fånga extrema grumlighetshändelser är dock fortfarande en utmaning. Högkvalitativa data är dock avgörande för att förbättra förutsägbarheten. Framtida arbete bör fokusera på att samla in mer detaljerade data och förfina modellerna för att stödja effektiv vattenhantering och mildra klimatförändringarnas påverkan på dricksvattenproduktionen.
sted, utgiver, år, opplag, sider
Stockholm: IVL Svenska Miljöinstitutet, 2024.
Serie
C-rapport ; C855
Emneord [en]
AI, drinking-water, turbidity, AI, dricksvatten, turbiditet
HSV kategori
Identifikatorer
URN: urn:nbn:se:ivl:diva-4393ISBN: 978-91-7883-616-1 (digital)OAI: oai:DiVA.org:ivl-4393DiVA, id: diva2:1888640
Forskningsfinansiär
Vinnova2024-08-132024-08-132024-08-13