预测自来水中的异质板数超值:由独立于培养的数据监督的二进制分类模型
Ji Won Park1, Joby Boxall2, Sung Kyu Maeng1
1Department of Civil and Environmental Engineering, Sejong University, 209 Neungdong-ro, Gwangjin-gu, Seoul 05006, Republic of Korea.
Water research
|June 12, 2023
概括
文化独立的方法可以预测饮用水中的异构板数 (HPC) 超值. 使用完整细胞计数 (ICC) 和ATP数据的人工神经网络模型实现了95%的准确性,确保了水安全.
科学领域:
- 微生物学 微生物学
- 分析水质 分析水质
- 计算生物学 计算生物学
背景情况:
- 异构板数 (HPC) 是饮用水质量的标准衡量标准,尽管它只占细菌群体的一小部分,并且化时间很长.
- 文化独立的方法提供更快,更全面的细菌评估,但需要与HPC等既定指标相关联.
研究的目的:
- 开发一种使用培养独立数据的饮用水中异构板数 (HPC) 超标的预测模型.
- 评估人工神经网络 (ANN) 在基于完整细胞计数 (ICC),腺三酸盐 (ATP) 和自由水平的基础上对HPC超值进行分类的性能.
主要方法:
- 收集了自来水样本 (停滞和冲洗) 并分析了它们的HPC,完整细胞计数 (ICC) 和腺三酸盐 (ATP).
- 使用一个双层前人工神经网络 (ANN),以ICC,ATP和自由度作为输入特征.
- 使用准确性,灵敏性和特异性指标评估模型的性能.
主要成果:
- 在自来水中确认了HPC,ICC和ATP之间的非线性关系.
- 在预测HPC超值时,ANN模型实现了高分类准确度 (95%),灵敏度 (91%) 和特异性 (96%).
- 完整细胞计数 (ICC) 和自由度被确定为分类模型中最有影响力的特征.
结论:
- 一个ANN模型有效地使用培养独立数据 (ICC,ATP,) 预测饮用水中的HPC超值.
- 这种方法克服了传统文化依赖方法的局限性,为饮用水的生物稳定性和安全性提供了近乎实时的见解.
- 该模型将新兴的测量技术转化为已建立的水质指标,增强微生物安全保证.
