FlowSOM集群 - - 一种用于水资源研究的新型模式识别方法:应用于超干旱的沿海含水层系统
Christian Narvaez-Montoya1, Jürgen Mahlknecht1, Juan Antonio Torres-Martínez1
1Escuela de Ingenieria y Ciencias, Tecnologico de Monterrey, Ave. Eugenio Garza Sada 2501, Monterrey, N.L. 64849, Mexico.
The Science of the total environment
|January 11, 2024
概括
本研究介绍了FlowSOM,一种先进的集群方法,用于分析复杂的地下水质量数据. 它有效地识别了Caplina/Concordia含水层中的盐化来源,优于传统方法.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 数据科学数据科学数据科学
背景情况:
- 有效的水资源管理需要了解水质挑战.
- 无监督学习辅助工具,用于分析地下水动态的环境标志物.
- 传统的方法可能会错过水数据中的复杂的空间和时间模式.
研究的目的:
- 适应和应用FlowSOM整体工具,以在多变量水质数据集中增强模式识别.
- 调查Caplina/Concordia沿海含水层系统中盐化的来源.
- 为了证明FlowSOM聚类在传统技术上的优势.
主要方法:
- 适应FlowSOM (结合自组织地图和最小跨度树) 与快速贪的网络集群.
- 应用在Caplina/Concordia含水层的143个地下水样本上,分析了包括主要离子在内的8个变量.
- 对模式识别和集群的传统技术进行比较分析.
主要成果:
- 在多变量水质数据中,FlowSOM成功地确定了不同的集群和连接.
- 确定了三个主要的化来源:河流透,水域充电和海水入侵.
- 与传统方法相比,FlowSOM方法在水地化学模式识别方面表现优越.
结论:
- 适应的FlowSOM工具提供了一种全面的方法来了解地下水系统和识别化来源.
- 这种多变量分析方法增强了复杂的水资源研究数据中的模式识别.
- 这些发现支持改善水资源的可持续管理战略.
