محمد حسین محمدی اشنانی

زمینه و هدف: ارزیابی جامع کیفیت آب شرب و شناسایی منابع آلودگی، پایه‌ای اساسی برای تضمین سلامت عمومی و مدیریت پایدار منابع آب است. این مطالعه با هدف تعیین پروفایل عنصری، پیش‌بینی شاخص کیفیت آب با استفاده از الگوریتم‌های یادگیری ماشین، شناسایی منشأ عناصر با مدل APCS-MLR، و ارزیابی کمی ریسک سلامت (سرطان‌زایی و غیرسرطان‌زایی) برای کودکان و بزرگسالان در استان صلاح‌الدین انجام شد. روش‌ها: در این مطالعه مقطعی، 47 نمونه آب (شامل آب معمولی و تصفیه‌شده) جمع‌آوری و غلظت عناصر بالقوه سمی منتخب با روش‌های استاندارد اندازه‌گیری شد. شاخص کیفیت آب به روش قطعی محاسبه و با استفاده از شش الگوریتم یادگیری ماشین (درخت تصمیم تقویت شده با گرادیان افراطی، جنگل تصادفی، کی-نزدیکترین همسایه، رگرسیون بردار پشتیبان، گرادیانت بوستینگ و درخت تصمیم) پیش‌بینی شد. روابط و منشأ عناصر با تحلیل همبستگی و مدل APCS-MLR بررسی گردید. ارزیابی ریسک سلامت با روش قطعی و نیز روش احتمالی مونت‌کارلو برای دو گروه سنی انجام و تحلیل حساسیت صورت گرفت. یافته‌ها: پروفایل عنصری، غالب بودن کاتیون‌های سخت‌کننده آب (مثل کلسیم با میانه 60.84 میلی گرم در لیتر) و حضور کم‌مقدار برخی فلزات سنگین (مثل سرب با میانه 1.68 میکروگرم در لیتر) را نشان داد. شاخص کیفیت آب به روش قطعی وضعیت "عالی" را برای همه نمونه‌ها تأیید کرد. در بین مدل‌های یادگیری ماشین، الگوریتم رگرسیون بردار پشتیبان با ضریب تعیین 999998/0 و خطای0103/0 RMSE= بهترین عملکرد را در پیش‌بینی شاخص کیفیت آب داشت. تحلیل منشأ، سه منبع اصلی زمین‌شناسی، انسانی و صنعتی/فعالیت‌محور را برای عناصر شناسایی نمود. ارزیابی ریسک نشان داد مقدار شاخص خطر غیرسرطانی (HI) در هر دو گروه سنی کمتر از حد آستانه (1) است، اما مقادیر برای کودکان (میانگین قطعی: 0.45) به طور معنی‌داری از بزرگسالان (0.34) بالاتر بود. ریسک سرطان‌زایی سرب (CR-Pb) در محدوده قابل قبول (زیر ‎10⁻⁴) و در بزرگسالان بالاتر بود. تحلیل حساسیت مونت‌کارلو، عناصر آنتیموان و لیتیم را به عنوان مؤثرترین پارامترها بر HI، و سرب را به عنوان عامل غالب در ریسک سرطان‌زایی معرفی کرد. نتیجه‌گیری: کیفیت کلی آب قابل قبول است، اما نیاز به رویکرد پیشگیرانه و مبتنی بر ریسک وجود دارد. پایش هدفمند آنتیموان، لیتیم و سرب، توجه ویژه به کودکان به‌عنوان گروه آسیب‌پذیر، و استفاده از هوش مصنوعی برای بهینه‌سازی پایش، به حفاظت از سلامت و مدیریت پایدار آب کمک می‌کند.