An Assessment of Water Quality in River Periyar, Kerala, South India Using Water Quality Index
Notice bibliographique
Résumé
River periyar of Eloor-Edayar industrial stretch has been a subject of pollution study for many years but so far, indexing of water quality has never been attempted.Indexing of water quality variables was carried out using water quality index method developed by Canadian Council of Ministry of Environment (CCME).Statistical techniques like correlation and regression using SPSS software was used to understand the relation between parameters and water quality index.Overall water quality index showed "Poor" quality index in the river, with each sampling site coming under the "poor" quality index range.Correlation analysis showed that water quality index decreases with increase in parameter concentration and vice versa for parameters like calcium, sulphate, chloride, nitrate-nitrogen, total hardness, fluoride, and conductivity.From the analysis, it was found that the water quality index range increases with increase in pH and dissolved oxygen.Regression analysis was used to identify the extend to which each factor; scope, frequency and amplitude, used in the calculation, influenced the water quality index.From the analysis, it was observed that the number of parameters that exceeds the guideline (Scope, F 1 ) and the number of times each parameter exceeding the guideline (Frequency, F 2 ) affects the water quality index of the river.While the extend to which each parameter exceeding the standard limit (amplitude, F3) does not affect the water quality index.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».