从模糊TOPSIS到机器学习:理解地下水化物污染的整体方法
Rupsha Nandi1, Sandip Mondal2, Jajati Mandal3
1Agricultural and Ecological Research Unit, Indian Statistical Institute, Giridih, Jharkhand 815301, India.
The Science of the total environment
|December 17, 2023
概括
印度丹巴德的地下水化物污染情况使用多种模型进行了评估. 后勤回归 (LR) 证明在识别不安全的化物水平方面最有效,有助于制定有针对性的缓解策略.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 公共卫生 公共卫生
背景情况:
- 地下水化物污染是一个全球性的健康问题,特别是在印度.
- 印度丹巴德面临着化物污染地下水的重大挑战.
- 现有的水质标准,如世卫组织的1.5ppm限制,强调了污染评估的必要性.
研究的目的:
- 调查丹巴德地下水中的化物污染的空间分布和来源.
- 开发和比较用于识别化物受影响地区的预测模型.
- 为减轻化物污染和保护公共健康制定有针对性的战略提供信息.
主要方法:
- 收集并分析了283个地下水样本,以检测物理化学参数和化物度.
- 采用了多标准决策 (MCDM) 模型 (模糊TOPSIS) 和机器学习算法 (后勤回归,CART,随机森林) 的组合.
- 创建空间分布图并使用AUC分数比较模型性能.
主要成果:
- 67个样本 (23.7%) 超过了安全化物限值,不安全样本的平均度为3.69 ± 0.3 ppm.
- 性pH,高Na+和HCO3-离子,以及特定的地球化学过程 (酸盐气候变化,碳酸盐溶解) 与高化物水平有关.
- 与随机森林 (91.3%) 和CART (69.4%) 相比,物流回归 (LR) 显示出更高的预测准确度 (95.6% AUC).
结论:
- 该研究成功地确定了导致丹巴德地下水化物污染的关键地质化学因素.
- 使用MCDM和机器学习模型的综合方法为预测化物热点提供了一个强大的框架.
- 开发的模型为积极的地下水管理和保护公众健康免受化物暴露提供了宝贵的工具.
更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
12.5K
07:06Investigating Long-Distance Transport of Perfluoroalkyl Acids in Wheat via a Split-Root Exposure Technique
Published on: September 28, 2022
1.6K
