الذكاء الاصطناعي وجودة المياه في الجزائر: كيف يخفّض XGBoost تكاليف مراقبة سد الشفية

سد يغذّي مليون نسمة، تُراقَب مياهه عيّنة مختبرية واحدة في كل مرة

سد الشفية في ولاية الطارف ليس خزّاناً ثانوياً. فقد بُني عام 1965 بحجم منظَّم يبلغ نحو 95 مليون متر مكعب، ويزوّد منطقة عنابة بالمياه الصالحة للشرب — لسكان يقاربون المليون نسمة — إلى جانب ري محيطات بونمّوسة ومياه التشغيل لمركّب الحجار للصلب. وقد تعرّضت جودة مياهه للضغط في السنوات الأخيرة بفعل جريان الأسمدة الزراعية والتصريفات الصناعية، ما يجعل المراقبة المنتظمة ضرورة صحية عامة لا ترفاً بحثياً.

وهذه المراقبة مكلفة. فتحديد ما إذا كانت مياه السد آمنة يعني قياس قائمة طويلة من المعايير الفيزيائية والكيميائية والبيولوجية في المختبر، ثم تكثيفها في مؤشر واحد لجودة المياه (WQI) — درجة من 0 إلى 100 تخبر المشغّلين، بنظرة واحدة، بمدى نظافة المياه. ويتطلّب كل معيار كواشف وأجهزة ووقت تقنيين ونقل عيّنات. وقد أثبتت دراسات تكلفة دولية أن نقل العيّنات واليد العاملة وحدهما يمثّلان نحو 75% من التكلفة الحدّية لمراقبة جودة مياه الشرب في الدول النامية. تقليل عدد المعايير الواجب قياسها يعني تقليل الجزء الأكبر من الفاتورة.

وهذا تحديداً ما سعت دراسة جديدة إلى اختباره — والنتيجة واحدة من أوضح الأمثلة حتى الآن على تقديم التعلم الآلي رافعة لخفض التكلفة لمرفق عمومي جزائري.

ما أثبتته الدراسة الجزائرية فعلاً

هذا البحث، المنشور في 15 مايو 2026 في Frontiers in Earth Science، قاده Fahim Bordjihene بمشاركة المؤلفين Salah Eddine Tachi وHamza Bouguerra وJazia Arrar. وهو عمل مشترك بين مختبر بحوث علوم المياه في École Nationale Polytechnique بالجزائر العاصمة ومختبر الموارد المائية والتنمية المستدامة في جامعة Badji Mokhtar-Annaba، إحدى أكبر مؤسسات البحث في الجزائر بـ 89 مختبراً.

درّب الفريق وقارن ثمانية خوارزميات للتعلم الآلي — XGBoost وAdaBoost وCatBoost وDecision Tree وRandom Forest والانحدار الخطي المتعدد وSupport Vector Machine ومجموعة Stacking Voting — على بيانات سد الشفية، مختبراً تركيبات مختلفة من معايير الإدخال لمعرفة أقل عدد من القياسات الذي لا يزال قادراً على إعادة إنتاج مؤشر جودة المياه الكامل. وكان المتفوّق هو XGBoost، وهو نموذج gradient boosting يُستخدم على نطاق واسع في مهام التنبؤ على البيانات المهيكلة، إذ بلغ R²=0.987 مع RMSE=0.0181 وMAE=0.0111.

والتفصيل الحاسم يكمن في أي مدخلات حقّقت هذه النتيجة. فقد استخدمت أفضل تركيبة ثلاثة معايير فقط: النتريت (NO₂) والفوسفات (PO₄) والأمونيوم (NH₄). بعبارة أخرى، يعيد النموذج بناء مؤشر جودة متعدد المعايير كامل انطلاقاً من ثلاثة قياسات للمغذّيات تصادف أنها البصمات الكيميائية الدقيقة لتلوث الأسمدة والتصريفات الذي يواجهه سد الشفية. وصياغة الدراسة صريحة: النهج «يقلّل عدد التحاليل المطلوبة في المختبر، ومن ثمّ يخفّض تكاليف المراقبة».

توضيح مفيد للقرّاء غير المتخصصين: R²=0.987 يقيس مدى قُرب تنبؤات النموذج من المؤشر الفعلي — وليس رقماً حرفياً يعني أن «98.7% من العيّنات آمنة». بل يعني أن النموذج يفسّر 98.7% من التباين في المؤشر. وبالنسبة لأداة مراقبة تشغيلية، فهذا هو المقياس الذي يهمّ.

لماذا يهمّ هذا سلطات المياه الجزائرية

تشغّل الجزائر عشرات السدود الخاضعة لإجهاد مائي مزمن، ويواجه القائمون عليها المعادلة نفسها في كل مكان: المزيد من نقاط أخذ العيّنات وتواترها يحسّن السلامة، لكن كليهما يكلّف مالاً لا يملكه القطاع فائضاً. ونموذج يستنتج صورة الجودة الكاملة من ثلاثة قياسات منخفضة الكلفة للمغذّيات يغيّر هذه المفاضلة. فالميزانية ذاتها قد تغطّي مواقع أخذ عيّنات أكثر، أو فحوصاً أكثر تواتراً في المواقع نفسها، أو تحرّر وقت التقنيين للمعايير التي يتعذّر استنتاجها حقاً.

وهذه أيضاً حالة نادرة يكون فيها موضوع البحث والمستفيد منه هما البلد نفسه. فمجموعة البيانات جزائرية، والسد جزائري، ومصادر التلوث جزائرية، والمؤسسات جزائرية. ونموذج مؤشر الجودة المدرَّب على الشفية لن يُنقل بصورة مثالية إلى سد بملف تلوث مختلف — لكن المنهجية قابلة للنقل، والمختبران اللذان بنياها محليّان. وهذا مهم لـ أعمال جودة المياه في شمال شرق الجزائر، حيث تقوم دراسات مماثلة تجمع بين مؤشر الجودة وتحليل المكوّنات الرئيسية بخرائط لخزانات المنطقة بالفعل.

ما الذي ينبغي لسلطات المياه الجزائرية فعله

1. تجربة النموذج ذي المعايير الثلاثة على سد واحد قبل التعميم لا بعده

اختر خزّاناً واحداً بملف تلوث معروف — يفضَّل موقع يهيمن فيه جريان المغذّيات، مثل الشفية — وشغّل نهج XGBoost بالتوازي مع تحاليل مختبرية كاملة طوال سنة هيدرولوجية كاملة. الهدف هو قياس مواضع انحراف تنبؤات النموذج عن الحقيقة المختبرية عبر الفصول، بما في ذلك فترات الفيضان حين ترتفع التركيزات. لا تعمّم المنهجية على مستوى الشبكة استناداً إلى درجة R² منشورة وحدها؛ فنموذج يفسّر 98.7% من التباين قد يخطئ مع ذلك نسبة الـ 1.3% التي تتضمّن حادثة تلوث. تحقّق أولاً، ثم قرّر أي جولات روتينية يمكن أن تنخفض بأمان إلى ثلاثة معايير.

2. مطابقة معايير الإدخال مع مصادر التلوث الفعلية لكل سد

ينجح نموذج الشفية لأن النتريت والفوسفات والأمونيوم هي البصمات الكيميائية للأسمدة والتصريفات — التهديدات المهيمنة على هذا الخزّان تحديداً. أما سد يغذّيه حوض مائي تطغى عليه تصريفات تعدينية من معادن ثقيلة أو تداخل مياه مالحة فيحتاج إلى مجموعة مدخلات مختلفة، لأن المغذّيات الثلاثة لن تلتقط تلك المخاطر. قبل تبنّي المنهجية في مكان آخر، اطلب دراسة قصيرة لاختيار المتغيرات لكل سد لتحديد أي معيارين إلى أربعة معايير تعيد بناء مؤشر ذلك الخزّان على أفضل وجه. تعامل مع نتيجة المعايير الثلاثة كقالب للمنهجية لا كوصفة عالمية.

3. الإبقاء على قدرة المختبر للمعايرة والاستثناءات، وعدم إلغائها أبداً

الهدف هو تقليل التحاليل الروتينية لا تفكيك المختبر. فالنماذج تنحرف مع تغيّر أنماط التلوث — تصريف صناعي جديد، أو تحوّل في الممارسات الزراعية، أو ارتفاع تركيز ناتج عن الجفاف، كلها قد تكسر العلاقة التي تعلّمها النموذج. أبقِ على قدرة مختبرية كافية لإعادة معايرة النموذج وفق جدول ثابت (فصلياً كحد أدنى)، ولإجراء تأكيد على اللوحة الكاملة كلما أشار النموذج إلى مؤشر حدّي أو متراجع. ينتقل المختبر من إجراء كل اختبار إلى إجراء الاختبارات التي تعلّم النموذج وتراقبه.

4. بناء المهارات داخلياً بالاعتماد على القاعدة البحثية الوطنية

أُنجز هذا العمل في مختبرات جامعية جزائرية، ما يعني أن الخبرة اللازمة لتفعيله موجودة داخل البلد. وينبغي لسلطات المياه إيفاد كوادر تقنية للمشاركة في تعاون قصير مع فرق École Nationale Polytechnique وجامعة Badji Mokhtar-Annaba، بدل شراء منتج «صندوق أسود» من مورّد خارجي. وينطبق المبدأ نفسه على المجال الأوسع لـ التعلم الآلي المطبَّق على مراقبة المياه، الذي يتطوّر بسرعة عالمياً — فامتلاك النموذج والشفرة، بدل استئجارهما، هو ما يجعل وفر التكلفة مستداماً والبيانات سيادية.

أين يقع هذا ضمن استراتيجية الجزائر للمياه في 2026

يستوعب قطاع المياه الجزائري الذكاء الاصطناعي بالفعل في مواضع عدة — الري الدقيق وكشف التسربات وتحسين تحلية المياه من بينها. ومراقبة الجودة تطبيق أهدأ لكنه على الأرجح أعلى رافعة، لأنه يقع عند تقاطع الصحة العامة والميزانيات المحدودة. لا تَعِد دراسة الشفية بثورة؛ بل تُثبت كفاءة محددة وقابلة للقياس على خزّان واحد، بناها مختبران وطنيان، باستخدام نموذج يمكن لأي كان تدقيقه.

والصياغة الصادقة هي أن هذا إثبات مفهوم بمسار واضح نحو القيمة، لا نظاماً منشوراً. وقوّته هي بالضبط ما يجعله موثوقاً: ادّعاء محدود، ومجموعة بيانات عامة، ومنهجية قابلة للتكرار، ونتيجة تشير إلى بند تكلفة — تحاليل المختبر — يهيمن فعلاً على ميزانيات المراقبة. وإذا تعاملت سلطات المياه الجزائرية معه كقالب يُتحقَّق منه سداً تلو الآخر بدل مفتاح يُدار على المستوى الوطني، فإنه يصبح إحدى أكثر فرص الذكاء الاصطناعي رسوخاً في أدوات البلد البيئية. والخطوة التالية مشروع تجريبي مموَّل، لا مقال جديد.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• والقراءات الإضافية
• مناهج التعلم الآلي للتنبؤ بمؤشر جودة مياه سد الشفية — Frontiers in Earth Science
• جامعة Badji Mokhtar-Annaba — Wikipedia
• تقييم جودة المياه في شمال شرق الجزائر باستخدام WQI وPCA — Water Practice & Technology, IWA Publishing
• مقارنة وتحليل تكاليف مراقبة جودة مياه الشرب في سبع دول نامية — PMC
• التعلم الآلي للتنبؤ بجودة المياه بمعايير مخفّضة — Scientific Reports
• مراجعة للتعلم الآلي وإنترنت الأشياء في تقييم جودة المياه — ScienceDirect