Жаңы булгоочу заттар классикалык агынды сууларды тазалоо долбоорлорунда эң татаал маселелердин бири болуп саналат. Антибиотиктер, эндокриндик системаны бузган кошулмалар, туруктуу органикалык булгоочу заттар, микропластиктер жана PFAS сыяктуу өтө туруктуу заттар көп учурда төмөн концентрацияларда деле экология жана адамдын саламаттыгы үчүн маанилүү. Бул булгоочу заттардын айрымдары гормондук системаларга таасир этиши, айрымдары антибиотиктерге туруктуулук гендеринин жайылуу коркунучун күчөтүшү, дагы айрымдары айлана-чөйрөдө узак убакыт сакталып, азык чынжырына өтүшү мүмкүн.

Салттуу агынды сууларды тазалоо системалары органикалык жүк, калкыма катуу заттар, азот жана фосфор сыяктуу классикалык параметрлер үчүн долбоорлонгон. Бирок жаңы булгоочу заттардын химиялык түзүлүшү, эригичтик касиеттери, ажыроо жүрүмү жана ташылуу жолдору өтө ар түрдүү. Ошондуктан системанын классикалык суу сапаты параметрлерин жакшы төмөндөтүшү антибиотиктер, микропластиктер же эндокриндик системаны бузган кошулмалар үчүн да сөзсүз ушундай эле натыйжа берет дегенди билдирбейт.

Жасалма саздак системалар бул жерде жаратылышка негизделген чечим катары алдыга чыгат. Бул системаларда агынды суу өсүмдүктөр, субстрат/матрица материалдары, микроорганизмдер жана гидравликалык агым шарттары менен өз ара аракеттенет. Булгоочу заттарды азайтуу бир эле механизм менен эмес, бир нече процесстин айкалышы аркылуу ишке ашат. Изилдөөдө бул процесстердин катарына матрицалык фильтрация, гравитациялык чөгүү, физикалык адсорбция, өсүмдүк тарабынан сиңирүү, микробдук өзгөрүү жана ажыроо жана гидравликалык буферлөө киргизилет.

Бул механизмдердин кайсы булгоочу зат үчүн канчалык маанилүү экени өзгөрмөлүү. Микропластиктер көбүнчө физикалык кармалуу, сүзүлүү жана чөгүү жолу менен азаят. Ал эми антибиотиктер жана эндокриндик системаны бузган кошулмалар сыяктуу эриген органикалык булгоочу заттар субстраттын адсорбциялык сыйымдуулугуна, редокс градиенттерине, микробдук коомчулуктун түзүлүшүнө, температурага жана агынды суунун химиялык касиеттерине көбүрөөк көз каранды. Ошондуктан “жасалма саздак системалар жаңы булгоочу заттарды мынча пайыз чыгарат” деген бир гана сүйлөм изилдөөнүн жыйынтыктарына ылайык жаңылыш түшүнүк берет.

Изилдөөнүн негизги маселеси ушул жерден башталат: адабиятта көптөгөн эксперименттер жана байкоолор бар, бирок бул маалыматтар бири-бирине түздөн-түз окшобойт. Бир изилдөө лабораториялык масштабда синтетикалык агынды суу менен иштесе, башкасы толук масштабдуу системада тиричилик агынды суусун же сүзүндү сууну колдонушу мүмкүн. Биринде микропластиктер, экинчисинде антибиотиктер, дагы биринде туруктуу органикалык булгоочу заттар изилденген болушу мүмкүн. Айрым изилдөөлөр ар башка өсүмдүк түрлөрүн, башкалары ар башка агым режимдерин, дагы башкалары ар башка субстраттарды колдонот.

Андан да маанилүүсү, бир эле макаланын ичинде бир нече булгоочу зат, бир нече үлгү алуу чекити, бир нече саздак уясы же бир нече иштетүү шарты болушу мүмкүн. Эгер бул өлчөөлөрдүн баары бири-биринен көз карандысыздай талданса, үлгү саны жасалма түрдө көбөйүп кетет. Бул белгисиздикти чындыгынан аз көрсөтүп, жыйынтыктарды ашыкча так көрүнүшүнө алып келет. Изилдөөнүн статистикалык жактан эң баалуу жактарынын бири — ушул көз карандылыкты эсепке алууга аракет кылганы.

Авторлор PRISMA 2020 отчет берүү нускамасын колдонуп, Web of Science жана ScienceDirect маалымат базаларында Август 2025ке чейин жарыяланган эмгектерди издешкен. Башында маалымат базасы аркылуу 674 жазуу, башка жолдор менен 135 жазуу табылган; кайталанган жазууларды алып салуу, аталыш-аннотацияны текшерүү жана толук тексттин ылайыктуулугун баалоодон кийин 67 изилдөө мета-анализге киргизилген. 1-сүрөттөгү PRISMA агым диаграммасы бул тандоо процессин көргөзмөлүү көрсөтөт. Ошол эле сүрөттүн башка панелдери киргизилген маалыматтардын саздак түрлөрү жана агынды суу булактары боюнча тең салмактуу бөлүштүрүлбөгөнүн көрсөтөт.

1-таблица изилдөөдө саздак деңгээлинде кайсы өзгөрмөлөр алынганын көрсөтөт. Аларга саздак тиби, долбоорлоо жана жүктөө параметрлери, өсүмдүктөрдүн касиеттери, субстрат касиеттери, операциялык параметрлер жана классикалык суу сапаты көрсөткүчтөрү кирет. Мисалы, саздак типтерине вертикалдуу жер алдындагы агым системалары, горизонталдуу жер алдындагы агым системалары, аралаш агым системалары, беттик агым системалары жана өйдө багытталган вертикалдуу жер алдындагы агым системалары кирет. Операциялык өзгөрмөлөргө гидравликалык кармоо убактысы, гидравликалык жүктөө ылдамдыгы, агым ылдамдыгы жана иштетүү температурасы кирет.

Изилдөөнүн негизги эффект өлчөмү lnRR, башкача айтканда табигый логарифмделген жооп катышы:

\[ \ln RR = \ln\left(\frac{C_{out}}{C_{in}}\right) \]

Бул формулада C_out, чыгуу суусундагы жаңы булгоочу заттын концентрациясы. C_in, кирүү суусундагы концентрация. Эгер [ \ln RR < 0 ] болсо, чыгуу концентрациясы кирүү концентрациясынан төмөн; демек система булгоочу затты азайткандай көрүнөт. Эгер [ \ln RR > 0 ] болсо, чыгуу концентрациясы кирүүдөн жогору; бул таза өсүш, кайра бөлүнүп чыгуу, өлчөө өзгөрмөлүүлүгү же гидравликалык/аналитикалык себептер менен түшүндүрүлүшү мүмкүн.

Бул формуланын күнүмдүк мааниси жөнөкөй: системадан чыккан булгоочу заттын көлөмү системага киргенден канчалык аз же көп? Бирок логарифм колдонуу өтө айырмаланган концентрацияларды салыштырууга ыңгайлуураак кылат. Мисалы, өтө төмөн ng/L деңгээлиндеги булгоочу затты концентрациясы жогору башка зат менен түз пайыз аркылуу салыштыруу жаңылыш болушу мүмкүн; lnRR мындай айырмачылыктарды туруктуураак эффект өлчөмүнө айландырат.

Үлгүлөө вариациясы үчүн дельта ыкмасы колдонулат:

\[ V(\ln RR) = \frac{S_{out}^2}{n_{out} C_{out}^2} + \frac{S_{in}^2}{n_{in} C_{in}^2} \]

Бул жерде S_out жана S_in, чыгуу жана кирүү концентрацияларынын стандарттык четтөөлөрү. n_out жана n_in, тиешелүү үлгү сандары. Бул формула кирүү жана чыгуу өлчөөлөрүндөгү белгисиздик lnRR эффект өлчөмүнө кантип өтөрүн көрсөтөт. Изилдөө жупташкан өлчөөлөрдө кирүү менен чыгуунун ортосунда корреляция болушу мүмкүн экенин, бирок ал корреляция билдирилбесе колдонулган вариация формуласы оң корреляция шартында көбүрөөк консервативдүү болушу мүмкүн экенин белгилейт.

Стандарттык ката берилген изилдөөлөрдө аны стандарттык четтөөгө айландыруу үчүн төмөнкү байланыш колдонулат:

\[ SD = n \times SE \]

Бул жерде SD, стандарттык четтөө; SE, стандарттык ката; n, үлгү саны. Бул өзгөртүү ар башка изилдөөлөрдүн жыйынтыктарын бирдей мета-аналитикалык алкакка жайгаштыруу үчүн колдонулат.

Изилдөөнүн мета-регрессия теңдемесинде эффект өлчөмү менен ковариаттардын байланышы төмөнкүдөй көрсөтүлөт:

\[ Y_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + \cdots + \epsilon_i \]

Бул жерде Y_i, i-байкоого же изилдөөгө тиешелүү эффект өлчөмүн; X_1i жана X_2i, эксперименттик же операциялык өзгөрмөлөрдү; β коэффициенттери бул өзгөрмөлөрдүн эффект өлчөмү менен байланышын; ε_i болсо калдык ката мүчөсүн билдирет.

Бул жерде изилдөөнүн өтө маанилүү статистикалык тандоосу бар: жөнөкөй мета-анализдин ордуна көп деңгээлдүү кокустук эффекттер модели жана изилдөө деңгээлиндеги кластерге туруктуу дисперсия баалоосу колдонулган. Себеби бир изилдөөдөн алынган бир нече эффект өлчөмү бири-биринен көз карандысыз эмес. Мисалы, бир эле эксперименттик түзүлүштө антибиотик да, эндокриндик бузгуч да өлчөнсө, бул эки байкоо жалпы дизайнды, жалпы лабораториялык шарттарды жана жалпы өлчөө каталарын бөлүшөт. Муну эске албоо жыйынтыктарды чындыгынан так көрсөтөт.

Изилдөөнүн биринчи чоң жыйынтыгы — маалымат базасындагы гетерогендүүлүктүн өтө жогору болушу:

\[ I^2 \approx 99\% \]

I², жалпы байкалган вариациянын канча бөлүгү жөн гана үлгүлөө катасынан эмес, изилдөөлөр ортосундагы реалдуу айырмачылыктардан түшүндүрүлөрүн көрсөтөт. %99га жакын маани вариациянын дээрлик баары чыныгы контексттик айырмачылыктардан келип чыгарын билдирет. Ошондуктан изилдөө бир эле жалпы орточо маани ордуна подгруппаларга, өз ара аракеттерге жана контекстке мүнөздүү натыйжалуулук диапазондоруна көңүл бурат.

2-сүрөт маалымат базасынын бөлүштүрүлүшүн түшүнүү үчүн маанилүү. Кирүү жана чыгуу концентрациялары бир нече чоңдук тартибине жайылганы көрүнөт. Алып салуу көрсөткүчтөрүнүн бөлүштүрүлүшүндө байкоолордун көбү %50дөн жогору азайууну көрсөтсө да, терс алып салуу маанилери да бар. Бул терс маанилер системадан таза бөлүнүп чыгууга, концентрациянын өсүшүнө, аналитикалык белгисиздикке же гидравликалык өзгөрмөлүүлүккө ишара кылышы мүмкүн. Ошол эле сүрөт гидравликалык жүктөө ылдамдыгы, гидравликалык кармоо убактысы жана кирүү концентрациясы сыяктуу маанилүү параметрлер боюнча маалымат тыгыздыгы тең эмес экенин да көрсөтөт.

Булгоочу заттардын классы алып салуу үлгүлөрүнүн эң үстөм аныктоочуларынын бири. 3-сүрөттө микропластиктер үчүн орточо lnRR болжол менен -9.1 деп берилет. Бул геометриялык жактан болжол менен %99.99 чыгуу концентрациясынын азайышына туура келет. Антибиотиктер үчүн орточо lnRR болжол менен -2.4, эндокриндик системаны бузган кошулмалар үчүн -2.2, ал эми туруктуу органикалык булгоочу заттар үчүн -1.8 деңгээлинде. Булар тиешелүүлүгүнө жараша болжол менен %90.9, %88.9 жана %83.5 азайууга туура келет.

Бирок микропластиктер үчүн бул жогорку көрсөткүчтү өтө этият чечмелөө керек. Изилдөө микропластиктерде чыгуу концентрациясынын азайышы ажыроонун же жок болуунун далили эмес экенин ачык айтат. Микропластиктер негизинен төшөмдүн ичинде кармалып, чөгүп же фильтрленип калышы мүмкүн. Эгер масса балансы жүргүзүлбөсө, бул бөлүкчөлөр узак мөөнөттө кайра кыймылга келеби-жокпу белгисиз. Ошондуктан микропластик боюнча жыйынтык “туруктуу жок кылуу” эмес, биринчи кезекте “системанын ичинде кармоо” катары окулушу керек.

Саздак конфигурациясы экинчи чоң структуралык аныктоочу. 4a-сүрөт горизонталдуу жер алдындагы агым системалары эң күчтүү орточо азайтууну бергенин көрсөтөт. HSSF системаларында орточо lnRR болжол менен -5.53 болсо, беттик агым системаларында болжол менен -1.48 табылган. Бул көрсөткүчтөр тиешелүүлүгүнө жараша болжол менен %99.6 жана %77.2 геометриялык концентрация азайышына туура келет. Вертикалдуу агымдуу, аралаш агымдуу жана өйдө багытталган вертикалдуу системалар ушул эки чектин ортосунда жайгашат.

Бул жыйынтык инженердик жактан күчтүү, бирок абсолюттук эреже эмес. Изилдөө ар бир жер алдындагы агым системасы ар бир беттик агым системасынан жакшы болот деп айтпайт. Бирок эриген жаңы булгоочу заттарды тереңдетип тазалоодо беттик агым системаларына ошол эле деңгээлдеги тазалоо кредити берилбеши керектигин жана жер алдындагы агым дизайндары ишенимдүүрөөк баштапкы вариант катары каралышы керектигин жактайт.

4b-сүрөт субстрат категорияларын, 4c-сүрөт өсүмдүк топторун салыштырат. Субстраттын тиби жана өсүмдүк жабындысы тазалоо гетерогендүүлүгүнө салым кошот; бирок изилдөө белгилүү бир субстрат кошумчасы же өсүмдүк түрү бардык булгоочу заттар жана бардык агынды суу шарттары үчүн универсалдуу артыкчылык көрсөткөнүн тапкан эмес. Бул маанилүү, анткени практикада айрым материалдар же өсүмдүктөр “баардык шартта жакшы” деп сунушталышы мүмкүн. Бул изилдөөнүн жыйынтыктары мындай жалпылоону колдобойт.

Агынды суу матрицасы да күчтүү аныктоочу. 5a-сүрөт синтетикалык агынды суулар реалдуу агынды сууларга караганда көбүнчө кыйла терс lnRR маанилерин бергенин, башкача айтканда лабораториялык/синтетикалык шарттарда жогору тазалоо байкалганын көрсөтөт. Реалдуу агынды суулар арасында тиричилик агынды суусу орточо күчтүү азайууну көрсөтсө, сүзүндү суу жана мал чарба агынды суусу алсызыраак жооп берет. Мунун себеби реалдуу агынды сууларда органикалык заттардын түзүлүшү татаалыраак, атаандаш булгоочу заттар, өзгөрмө химиялык курам жана ар башка сорбция/трансформация процесстери бар.

Эксперименттин масштабы колдонуу жагынан, балким, эң маанилүү чектөөчү фактор. 5b-сүрөт лабораториялык масштабдан толук масштабдуу системаларга өткөн сайын орточо алып салуу начарлай турганын көрсөтөт. Орточо lnRR лабораториялык масштабда болжол менен -4.21, мезокосм масштабында -2.86, пилоттук масштабда -1.89 жана толук масштабда -1.72 деп билдирилет. Булар тиешелүүлүгүнө жараша болжол менен %98.5, %94.3, %84.9 жана %82.1 геометриялык концентрация азайышына туура келет.

Бул айырма майда статистикалык деталь эмес. Лабораториялык системалар гидравликалык кыска туташууларды, төшөмдүн карылыгын, бүтөлүүнү, сезондук температура өзгөрүүлөрүн жана реалдуу агынды суудагы татаал булгоочу заттардын атаандаштыгын чектелүү гана чагылдырат. Ошондуктан лабораториялык жыйынтыктар механизмдерди скринингдөө үчүн баалуу; бирок түздөн-түз долбоордук маани катары алынса, талаадагы натыйжалуулук ашыра бааланышы мүмкүн.

Сызыктуу мета-регрессия бөлүмүндө 14 үзгүлтүксүз ковариат изилденген. Өзгөрмөлөр стандартташтырылып, изилдөө деңгээлинде кластерге туруктуу inference колдонулган жана көптүк тесттер үчүн Benjamini-Hochberg FDR түзөтүүсү жүргүзүлгөн. Бул катаалыраак талдоодон кийин эки гана өзгөрмө маанилүү бойдон калган: саздак аянты жана агым ылдамдыгы. Wetland area коэффициенти β = 0.418, p = 0.022; flow rate коэффициенти β = 0.380, p = 0.036 деп берилген.

Бул коэффициенттердин оң болушу моделдеги lnRR мааниси азыраак терс болуп жатканын билдирет; башкача айтканда көрүнгөн тазалоо начарлайт. Агым ылдамдыгынын таасири интуитивдүү түшүнүктүү: агым көбөйгөндө суунун системада калуу убактысы жана булгоочу заттардын субстрат, тамыр зонасы же микроорганизмдер менен байланышуу мүмкүнчүлүгү азайышы мүмкүн. Аянттын таасири болсо этият чечмеленет, анткени ал системанын масштабы, операциялык татаалдыгы же өлчөнбөгөн дизайн өзгөчөлүктөрү менен кошо өзгөрүшү мүмкүн. Ошондуктан изилдөө аянттын таасирин түз себептик эреже катары сунуштабайт.

6-сүрөт ушул кластерге туруктуу мета-регрессия жыйынтыктарын жана булгоочу зат классы, агым режими, агынды суу тиби сыяктуу категориялар боюнча өз ара аракеттерди көрсөтөт. Жалпы жыйынтык: сызыктуу моделдер өз алдынча универсалдуу башкаруу теңдемесин таба албайт. Үзгүлтүксүз өзгөрмөлөрдүн таасири булгоочу заттын түрүнө, саздак системанын агым режимине жана агынды суу матрицасына жараша өзгөрөт.

Бул жерде түшүндүрүлүүчү машиналык үйрөнүү колдонулат. Изилдөөдө CatBoost, XGBoost, random forest, LightGBM, KNN, колдоо вектордук регрессиясы, көп катмарлуу перцептрон, CNN жана Transformer сыяктуу моделдер салыштырылган. Окутуу-тест бөлүштүрүүсү %80-%20 катышында жасалып, булгоочу заттын түрү боюнча стратификация колдонулган. Жетишпеген маанилер missForest менен толтурулуп, маалымат агып кетишин алдын алуу үчүн өзгөрмөлөр окутуу топтомунан алынган параметрлер менен гана масштабдалган.

Модель натыйжалуулугу үчүн эки негизги метрика колдонулган. RMSE формуласы изилдөөдө төмөнкүдөй берилет:

\[ RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} \]

Бул жерде y_i, чыныгы lnRR маанисин; ŷ_i, моделдин божомолдогон lnRR маанисин; n, байкоолордун санын көрсөтөт. RMSE азайган сайын моделдин божомол катасы төмөндөйт.

R² формуласы болсо төмөнкүдөй берилет:

\[ R^2 = 1 - \frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

Бул жерде ȳ, чыныгы маанилердин орточо мааниси. R², модель маалыматтагы вариациянын канча бөлүгүн түшүндүрөрүн көрсөтөт. 1ге жакындаган сайын модель маалыматтагы үлгүлөрдү жакшыраак кармайт деп эсептелет.

7-сүрөт CatBoost модели башка моделдерге караганда жакшы натыйжа көрсөткөнүн, божомолдонгон жана байкалган lnRR маанилери жалпы алганда дал келгенин жана SHAP талдоосунда кайсы өзгөрмөлөр алдыга чыкканын көрсөтөт. CatBoost үчүн тест натыйжалуулугу R² = 0.920 жана RMSE = 1.077 деп берилет. SHAP рейтингинде эң маанилүү үзгүлтүксүз өзгөрмөлөр: агым ылдамдыгы 0.432, кирүү концентрациясы 0.417, температура 0.283, медиа тереңдиги 0.186 жана COD 0.185. Категориялык өзгөрмөлөрдүн ичинен агынды суу тибинин салымы 0.325, эксперимент масштабыныкы 0.197 деп билдирилет.

SHAP талдоосу машиналык үйрөнүү модели кайсы өзгөрмөлөрдү божомолдоо үчүн канчалык пайдаланганын түшүндүрүүгө жардам берет. Бирок бул себептүүлүк эмес. Бир өзгөрмөнүн моделде жогорку маанилүүлүккө ээ болушу аны талаада өзгөрткөндө тазалоо сөзсүз ошол багытта өзгөрөт дегенди далилдебейт. Изилдөө бул айырманы так белгилеп, CatBoost моделин механисттик симулятор эмес, бар адабият чөйрөсүндөгү үлгүлөрдү тааный турган курал катары жайгаштырат.

8-сүрөт контекстке мүнөздүү өзгөрмө маанилүүлүгүн дагы даана көрсөтөт. Антибиотиктерде кирүү концентрациясы жалпы маанилүүлүктүн %29.7 бөлүгүн түзөт. Микропластиктерде температура %22.5, өсүмдүк тыгыздыгы %15.3 маанилүү. Эндокриндик бузгучтарда жана туруктуу органикалык булгоочу заттарда өсүмдүк тыгыздыгы тиешелүүлүгүнө жараша %24.7 жана %33.8 менен алдыга чыгат. Реалдуу агынды суу үчүн божомолдордо кирүү концентрациясы %22.6 менен үстөмдүк кылса, синтетикалык агынды сууда агым режими %39.5 менен алдыга чыгат. Беттик агым системаларында медиа тиби жана өсүмдүк тыгыздыгы, жер алдындагы агым системаларында булгоочу заттын тиби, COD жана кирүү концентрациясы көбүрөөк аныктоочу.

Бул жыйынтык изилдөөнүн негизги билдирүүсүн бекемдейт: бардык шарттарга жарай турган бир гана “эң маанилүү өзгөрмө” жок. Кайсы өзгөрмө маанилүү экени кайсы булгоочу зат, кайсы агынды суу, кайсы саздак тиби жана кайсы масштаб каралып жатканына жараша өзгөрөт. Ошондуктан изилдөө универсалдуу тазалоо коэффициентинин ордуна контекстке мүнөздүү натыйжалуулук диапазондору, башкача айтканда контекстке мүнөздүү натыйжалуулук диапазондору түшүнүгүн сунуштайт.

Натыйжалуулук диапазону — системанын белгилүү шарттарда реалдуу түрдө кайсы тазалоо аралыгында иштей аларын билдирет. Бул түшүнүк инженердик жактан өтө баалуу. Анткени долбоорлоочуга “бул система дайыма %95 тазалайт” деген ашыкча так сүйлөмдүн ордуна “бул булгоочу зат классы, бул агынды суу матрицасы, бул агым режими жана бул масштаб шарттарында күтүлө турган натыйжалуулук аралыгы мындай” деп айтууга мүмкүндүк берет.

Изилдөөнүн практикалык сунуштары төрт негизги пунктка топтолот. Биринчиден, эриген жаңы булгоочу заттарды тереңдетип тазалоо үчүн жер алдындагы агым системалары беттик агым системаларына караганда ишенимдүүрөөк баштапкы долбоор катары каралышы керек. Экинчиден, микропластик сыяктуу бөлүкчөлүү булгоочу заттарда чыгуу концентрациясынын азайышы масса балансы жок болсо ажыроо эмес, кармалып калуу катары чечмелениши керек. Үчүнчүдөн, лабораториялык жана синтетикалык агынды суу жыйынтыктары талаа долбооруна консервативдүү түрдө которулушу керек. Төртүнчүдөн, агым ылдамдыгы, кирүү концентрациясы, температура, агынды суунун химиясы жана эксперимент масштабы долбоорлоо жана мониторинг процесстеринде артыкчылыктуу өзгөрмөлөр катары каралышы керек.

Күнүмдүк жашоо жагынан бул изилдөө сууну тазалоодогу “табигый чечим” түшүнүгүнө реалдуураак көз караш берет. Жасалма саздак системалар аз энергия, аз тейлөө жана экологиялык шайкештик сыяктуу артыкчылыктарды бере алат. Бирок бул ар бир булгоочу затты ар бир шартта бирдей ийгилик менен тазалайт дегенди билдирбейт. Шаардын тиричилик агынды суусу, өнөр жай ишканасынын аралаш агынды суусу же сүзүндү суу бир эле системада бирдей жүрүм көрсөтпөшү мүмкүн. Ошондуктан жаратылышка негизделген чечимдер да илимий өлчөө, талаа текшерүүсү жана контекстке ылайык долбоорлоону талап кылат.

Энергетика жана экологиялык саясат жагынан жыйынтыктар маанилүү. Төмөн көмүртектүү тазалоо технологиялары келечекте көбүрөөк колдонулат; бирок долбоорлор лабораториядагы орточо тазалоо көрсөткүчтөрүнө гана таянса, талаадагы натыйжалуулук күтүлгөндөн төмөн болушу мүмкүн. Бул экологиялык тобокелдикке да, инвестициялык пландоого да маселе жаратат. Изилдөө сунуштаган натыйжалуулук диапазону мамилеси чечим кабыл алуучуларга чынчылыгы жогору жана колдонмого ылайык алкак берет.

Изилдөөнүн күчтүү жактарына ири адабият синтези, көз каранды эффект өлчөмдөрүн эсепке алуу, кластерге туруктуу статистикалык чыгарым, сызыктуу мета-регрессияны түшүндүрүлүүчү машиналык үйрөнүү менен толуктоо жана инженердик жактан ашыра айтылбаган тыянактар кирет. Айрыкча бир универсалдуу пайыз сунуштоонун ордуна белгисиздикти жана контекстке көз карандылыкты негизги жыйынтык катары кабыл алышы илимий ак ниеттүүлүктү күчөтөт.

Чектөөлөр да ачык. lnRR концентрациянын өзгөрүшүн гана өлчөйт; булгоочу зат адсорбцияландыбы, ажырадыбы, кармалдыбы, минералдаштыбы же кийин кайра бөлүнүп чыгабы — муну көрсөтпөйт. Бул микропластиктер үчүн өзгөчө маанилүү. Булак адабиятында ковариаттар жөнүндө маалымат толук эмес жана тең эмес; бул мета-регрессиянын күчүн чектейт. Далил базасы агынды суунун тиби, аймак жана масштаб боюнча тең салмактуу эмес. Жарыялоо кыйшаюусун баалоо өтө жогорку гетерогендүүлүк жана көз каранды эффект өлчөмдөрү себептүү татаал. Машиналык үйрөнүү моделинде тест бөлүү байкоо деңгээлинде жасалган; тышкы изилдөө топтому менен чыныгы тышкы валидация жүргүзүлгөн эмес.

Изилдөө эмнени айтпаганын да так белгилөө керек. Бул эмгек жасалма саздак системалар бардык жаңы булгоочу заттарды ишенимдүү жок кылат деп айтпайт. Микропластиктердеги жогорку азайтуу туруктуу ажыроону билдирет деп ырастабайт. CatBoost модели талаа долбоорун өзү эле түзө алат деп жактабайт. Белгилүү бир өсүмдүк же субстрат түрү бардык шартта артыкчылыктуу экенин көрсөткөн эмес. Негизги билдирүү мындан этият жана баалуураак: жасалма саздак системанын натыйжалуулугу контекстке көз каранды; инженердик долбоор бир орточо көрсөткүчкө эмес, булгоочу зат, агынды суу, агым режими, гидравликалык шарт жана масштаб боюнча натыйжалуулук диапазондоруна таянышы керек.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөөнүн ыкмасы системалуу адабият издөөсү, эффект өлчөмүн эсептөө, көп деңгээлдүү мета-анализ, кластерге туруктуу статистикалык чыгарым, сызыктуу мета-регрессия, CatBoost негизиндеги түшүндүрүлүүчү машиналык үйрөнүү жана SHAP/ALE интерпретацияларынан турат.

1. Маалыматтарды чогултуу жана изилдөөлөрдү тандоо

2. Киргизилген булгоочу зат класстары

3. Алынган саздак система өзгөрмөлөрү

4. Эффект өлчөмү жана вариация формулалары

Негизги эффект өлчөмү:

\[ \ln RR = \ln\left(\frac{C_{out}}{C_{in}}\right) \]

Үлгүлөө вариациясы:

\[ V(\ln RR) = \frac{S_{out}^2}{n_{out} C_{out}^2} + \frac{S_{in}^2}{n_{in} C_{in}^2} \]

Мета-регрессиянын жалпы формасы:

\[ Y_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + \cdots + \epsilon_i \]

5. Жалпы гетерогендүүлүк

6. Булгоочу зат классы боюнча орточо алып салуу

7. Саздак конфигурациясы боюнча жыйынтыктар

8. Масштаб таасири

9. Кластерге туруктуу мета-регрессия жыйынтыктары

FDR түзөтүүсүнөн кийин башка үзгүлтүксүз модераторлор универсалдуу жана туруктуу сызыктуу таасир катары калган эмес. Бул жыйынтык бир өзгөрмөлүү долбоор эрежелеринин ордуна контекстке мүнөздүү талдоо зарылдыгын колдойт.

10. Машиналык үйрөнүү жана модель натыйжалуулугу

RMSE:

\[ RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2} \]

R²:

\[ R^2 = 1 - \frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

11. SHAP боюнча алдыга чыккан аныктоочулар

12. Контекстке мүнөздүү SHAP жыйынтыктары

13. Негизги жыйынтыктардын техникалык корутундусу

• Жасалма саздак системалар жаңы булгоочу заттарды азайта алат; бирок натыйжалуулук контекстке өтө көз каранды.
• I² ≈ 99% болгондуктан бир универсалдуу алып салуу коэффициенти инженердик долбоорлоо үчүн ишенимдүү эмес.
• Микропластиктерде жогорку көрүнгөн азайтуу масса балансы жок болсо туруктуу жок болуу эмес, кармалып калуу катары чечмелениши керек.
• Горизонталдуу жер алдындагы агым системалары беттик агым системаларына караганда кыйла күчтүү орточо алып салуу көрсөткөн.
• Лабораториялык жана синтетикалык агынды суу жыйынтыктары толук масштабдагы реалдуу агынды суунун натыйжалуулугун ашыра баалашы мүмкүн.
• Сызыктуу мета-регрессия алсыз гана универсалдуу сигналдарды тапкан.
• CatBoost модели маалыматтагы сызыктуу эмес түзүлүштү жакшыраак кармаган; бирок тышкы талаа кепилдиги да, себептик симулятор да эмес.
• Эң негиздүү инженердик мамиле — контекстке мүнөздүү натыйжалуулук диапазондорун иштеп чыгуу.

Булак жана Ыкма Эскертүүсү

Бул макала Diantong Li, Mengze Gao, Dawei Yu, Jie Mao жана Yaohui Bai даярдаган “Context-dependent removal of emerging pollutants in constructed wetlands: a dependence-aware meta-analysis and explainable machine-learning framework for performance envelopes” аттуу изилдөөнүн негизинде даярдалган. Изилдөөнү Chinese Academy of Sciences жана University of Chinese Academy of Sciences менен байланышкан изилдөөчүлөр даярдашкан.

Булактын түрү тексттеги ачык билдирүүгө ылайык SSRN preprint изилдөө макаласы. Текстте ачык түрдө “This preprint research paper has not been peer reviewed” деген сөз бар болгондуктан, бул изилдөө рецензиядан өтпөгөн preprint катары бааланышы керек. Ошол эле учурда мета-анализге киргизилген 67 булак изилдөө текстке ылайык рецензияланган эмгектер. Бул айырма маанилүү: синтез таянган адабият рецензияланган изилдөөлөрдөн турса да, синтез макаласы өзү азырынча рецензияланган жарыя катары тастыкталган эмес.

Бул мазмун даярдалганда изилдөөдө берилген системалуу издөө процесси, 67 изилдөө жана 841 кирүү-чыгуу салыштыруусунан турган маалымат базасы, lnRR формуласы, вариация эсептөөсү, көп деңгээлдүү кокустук эффекттер модели, CR2 кластерге туруктуу чыгарымы, FDR түзөтүүсү, CatBoost модели, SHAP/ALE түшүндүрмөлөрү, сүрөттөр, сандык жыйынтыктар жана чектөөлөр негиз катары алынган. Текстте жок талаа кепилдиги, универсалдуу алып салуу коэффициенти, белгилүү бир өсүмдүк же субстрат бардык шартта артык деген тыянак, микропластиктер толук жок болот деген же CatBoost модели тышкы шарттарга ишенимдүү жалпыланат деген дооматтар кошулган эмес.

Изилдөөнүн жыйынтыктары өзгөчө экологиялык инженерия жана агынды сууларды тазалоо долбоорлору үчүн маанилүү, бирок алар контекстке көз каранды. Жасалма саздак системаларды долбоорлоодо булгоочу зат классы, агынды суу матрицасы, агым режими, агым ылдамдыгы, кирүү концентрациясы, температура, эксперимент масштабы жана талаа текшерүүсү чогуу бааланышы керек. Preprint болгондуктан жыйынтыктар этият окулуп, инженердик колдонмолордо пилоттук/толук масштабдуу талаа валидациясы менен бекемделиши керек.

Мета Тегдер