On the Issue of Incomplete and Missing Water-Quality Data in Mine Site Databases: Comparing Three Imputation Methods

Abstract

Large water-quality databases are valuable for predicting mine drainage chemistry, identifying optimal measures for mitigation and remediation, and refuting/refining models and theories. However, such databases often have missing values due to periodic lack of sampling and analysis or input errors. These missing values lead to problems in machine learning and statistical analysis of water-quality data from mine sites. Using water-quality data collected from 1971 to 1994 from many locations at a copper-molybdenum-gold-silver-rhenium mine site, we compared three imputation methods to estimate missing water-quality data: iterative robust model-based imputation (IRMI), multiple imputations of incomplete multivariate data (AMELIA), and sequential imputation for missing values (IMPSEQ). These methods were evaluated based on mean absolute error, relative absolute error, and percent bias techniques. The results showed that IMPSEQ and IRMI are suitable to impute missing values in water-quality databases at mine sites, whereas AMELIA is not.

Zusammenfassung

Große Wasserbeschaffenheitsdatenbanken sind wertvoll zur Abschätzung der Chemie von Bergbauwässern, zur Bestimmung optimaler Maßnahmen zur Minderung von Belastungen und Behandlung von Wasser sowie zur kritischen Auseinandersetzung bzw. Verfeinerung von Modellen und Theorien. Solche Datenbanken weisen jedoch oftmals Lücken auf. Gründe dafür können regelmäßig fehlende Kennwerte nach Probenplan sowie Analyse und Eingabefehler sein. Die fehlenden Werte führen bei der Automatisierung und statistischen Auswertung der Beschaffenheitsdaten zu Problemen. Wir haben für Beschaffenheitsdaten, welche zwischen 1971 und 1994 von verschiedenen Kupfer-, Molybden-, Gold-, Silber- und Rhenium-Bergbaustandorten gewonnen wurden, drei Berechnungsmethoden verglichen, um die Wasserbeschaffenheit abzuschätzen: schrittweise robuste modellbasierte Berechnung (IRMI), multiple Berechnung von multivariaten Daten (AMELIA) und sequentielle Berechnung von fehlenden Werten (IMPSEQ). Diese Verfahren wurden unter Verwendung des mittleren absoluten Fehlers, des relativen absoluten Fehlers und der prozentualen Abweichung ausgewertet. Die Ergebnisse zeigten, dass IMPSEQ und IRMI geeignet sind fehlende Werte in Beschaffenheitsdatenbanken zu berechnen. AMELIA erwies sich als ungeeignet.

Resumen

Las bases de datos de calidad de agua son valiosas para predecir la química del drenaje de minas, identificando medidas óptimas para mitigación y remediación y refutando/refinando modelos y teorías. Sin embargo, tales bases de datos frecuentemente tienen valores perdidos debido a muestreos sistemáticamente no realizados o a errores en el análisis y en la introducción de datos. Estos valores perdidos generan problemas en el aprendizaje de las máquinas y en el análisis estadístico de datos de calidad de agua desde sitios de minas. Usando datos de calidad de agua colectados entre 1971 y 1994 desde muchos puntos dentro de la zona de una mina de cobre-molibdeno-oro-plata y renio, comparamos tres métodos para estimar los datos perdidos de calidad de agua: modelo de asignación robusto iterativo (IRMI), asignaciones múltiples de datos multivariantes incompleto (AMELIA) y asignación secuencial para datos perdidos (IMPSEQ). Estos métodos fueron evaluados basándose en el error absoluto promedio, error absolutivo relative y las técnicas de sesgo porcentual. Los resultados mostraron que IMPSEQ y IRMI son adecuados para asignar valores perdidos en bases de datos de calidad de agua mientras que AMELIA no lo es.

抽象

大型水质数据库对于预测矿井排水的水化学特征、优化水环境治理措施、反演及改进预测模型等意义重大。然而,数据库常常由于未定期取样、化验和输入等原因造成水质数据缺损。数据缺损将导致矿井排水水质数据处理与统计结果出现问题。文章以某个铜-钼-金-银-铼矿1971-1994年多个观测点的水质数据为例,比较了三种缺损数据的插补方法:基于模型的迭代插补法(IRMI)、不完整多元数据的多重插补法(AMELIA)和缺失值顺序插补法(IMPSEQ)。三种方法的对比、评价标准是平均绝对误差、相对绝对误差和百分比偏差。研究结果表明,除AMELIA方法外,IMPSEQ 和 IRMI方法都适于插补缺失的矿区水质数据。