OP-LSTM ディープラーニングモデルを使用して,チュニジアの沿岸のラグーンにおける沈殿物の汚染を予測する:地中海南西部のビゼルテ盆地における事例研究

科学分野:

• 環境科学
• 地化学
• データサイエンス

背景:

• 沿岸地域は産業,農業,都市からの海洋沈殿物の汚染が増加しています.
• 汚染は海洋生態系と人間の健康に重大なリスクをもたらし,効果的な予測と管理戦略が必要である.
• チュニジアのビゼルテ湖は これらの脅威に脆弱な 重要な沿岸環境です

研究 の 目的:

• ビザルテ湖の沈殿物の汚染リスクを予測する 新しいディープラーニングアプローチを用いて
• この作業の標準的なLSTMと比較して,最適化された長期短期記憶 (OP-LSTM) モデルの有効性を評価する.
• 脆弱な沿岸ラグーン環境における堆積物汚染管理のための強力なツールを提供すること.

主な方法:

• 堆積物サンプルを総合的に地化学・鉱物学的に分析する.
• 鉱物の識別と粘土の分数の定量化のためにX線微分法 (XRD) を用いた特徴付け.
• 主要元素と微量元素の決定のための原子吸収光譜 (AAS).
• 最適化された長期短期記憶 (OP-LSTM) ディープラーニングモデルの適用と検証.

主要な成果:

• ミネラロジカル・アナリストは11の支配的なミネラルを特定し,地産と人為的な投入の混合を示した.
• 地化学分析により,チュニジアの環境基準を超えた特定の微量金属 (Pb,Cr,Cd) の高濃度が明らかになった.
• OP-LSTMモデルは,標準のLSTMよりも優れた性能を示し,誤差メトリック (RMSE,MSE) が低く,R2スコアが改善されました.

結論:

• OP-LSTMモデルは,海洋沈殿物の汚染リスクを予測するための堅牢で正確なツールです.
• この調査結果は,ビゼルテ湖で深刻な汚染問題を浮き彫りにし, 標的を絞った管理の介入が必要である.
• この研究は,沿岸環境リスクの評価と管理において,高度なAIを適用するための貴重な枠組みを提供します.