การประเมินค่าคุณภาพน้ำของแม่น้ำบางปะกงโดยใช้การวิเคราะห์หลายตัวแปร

Authors

  • ภัฐชญา สิทธิสร

Keywords:

คุณภาพน้ำ, ดัชนีคุณภาพน้ำ, แม่น้ำบางปะกง, การวิเคราะห์ปัจจัย, การวิเคราะห์จำแนกกลุ่ม

Abstract

          การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อประเมินค่าคุณภาพน้ำของแม่น้ำบางปะกง โดยพิจารณาจากปริมาณความเข้มข้น ของพารามิเตอร์ที่เป็นตัวบ่งบอกคุณภาพน้ำของแม่น้ำบางปะกง ตั้งแต่ปี พ.ศ. 2540 ถึงปี พ.ศ. 2558 ด้วยการวิเคราะห์หลายตัวแปร ผลการวิจัยเมื่อใช้การวิเคราะห์ปัจจัยพบว่าสามารถรวมกลุ่มพารามิเตอร์ที่เป็นตัวบ่งบอกคุณภาพน้ำ ซึ่งมีความสัมพันธ์กันได้เป็น 8 ปัจจัย ได้แก่ คุณลักษณะทางธรณีวิทยาทั่วไปของแหล่งน้ำ การปล่อยของเสียจากชุมชน และอุตสาหกรรมลงแหล่งน้ำ แบคทีเรียในน้ำ สารประกอบของไนโตรเจนในน้ำ ความเป็นกรดและด่างและออกซิเจนละลายน้ำ อุณหภูมิและของแข็งแขวนลอย ไนไตรท์และความสกปรกในรูปสารอินทรีย์ แล้วสร้างสมการในการทำนายกลุ่มคุณภาพน้ำของแม่น้ำบางปะกงด้วยการวิเคราะห์จำแนกกลุ่ม โดยใช้ค่าดัชนีคุณภาพน้ำเป็นเกณฑ์ในการแบ่งกลุ่มคุณภาพของน้ำออกเป็น 2 กลุ่ม คือกลุ่มน้ำที่มีคุณภาพไม่ได้ตามมาตรฐานและกลุ่มน้ำที่มีคุณภาพตามมาตรฐาน สำหรับการประเมินค่าสมการที่ใช้ ในการทำนายกลุ่มคุณภาพน้ำของแม่น้ำบางปะกง พบว่าสัดส่วนความถูกต้องในการจำแนกกลุ่ม สำหรับชุดข้อมูลที่ใช้ในการสร้างตัวแบบเท่ากับร้อยละ 85.76 และสำหรับชุดข้อมูลที่ใช้ในการตรวจสอบความถูกต้องของตัวแบบเท่ากับร้อยละ 68.75           The purpose of this research is to assess water quality of Bang Pakong River by considering the concentrations of water quality parameters of Bang Pakong River since 1997 to 2015 with multivariate analysis. The results of research indicated that factor analysis was able to combine the correlated water quality parameters into 8 factors; general geology of water, community and industrial waste, bacteria, nitrogen compounds, pH and dissolved oxygen, temperature and suspended solids, NO2– N and biochemical oxygen demand. Then, the predicted equation was built with discriminant analysis considering from the water quality index (WQI) for predicting the water quality groups of Bang Pakong river into 2 groups; nonstandard and standard groups. For assessment of this predicted equation the correction percentage in classification were 85.76 and 68.75 for training and validation data set, respectively.

Downloads