机器学习技术的应用,用于预测加纳北部纳博戈盆地的地下水质量
Joseph Nzotiyine Apogba1, Geophrey Kwame Anornu1, Arthur B Koon1,2
1Civil Engineering Department-Regional Water and Environmental Sanitation Centre Kumasi, Kwame Nkrumah University of Science and Technology, Kumasi, Ghana.
Heliyon
|April 10, 2024
概括
机器学习绘制了加纳纳博戈盆地地下水质量的地图. 随机森林模型准确地预测了水质,揭示了适合家庭使用的区域,并为未来的地下水管理策略提供了信息.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 机器学习应用 机器学习应用
背景情况:
- 地下水质量对于国内使用至关重要,特别是在加纳纳博戈盆地等地区.
- 评估地下水质量往往涉及复杂的空间和环境因素.
- 机器学习提供了一种强大的方法来建模和预测地下水质量.
研究的目的:
- 使用机器学习绘制纳博戈盆地的国内地下水质量图.
- 确定不同程度的地下水适用于家庭用途的区域.
- 为地下水管理和政策制定提供数据驱动的基础.
主要方法:
- 应用了随机森林 (RF) 机器学习算法.
- 利用各种地理空间和环境因素 (海拔,TWI,LS,岩石学,土壤类型,NDVI,降雨量,外观,斜率,PLC,PRC,线形密度,断层距离,排水密度) 作为预测因素.
- 开发了一个RF模型,使用从现有钻井中计算的算术水质指数 (WQI) 作为依赖变量.
主要成果:
- 预测的地下水质量 (WQI) 从9.51%到69.99%不等.
- 大约21.97%的区域显示出极好的地下水质量概率.
- 随机森林模型表现出高性能,R2为0.82和RMSE为23.03.
结论:
- 该研究成功地绘制了纳博戈盆地的地下水质量.
- 机器学习,特别是随机森林,对于预测地下水质量是有效的.
- 调查结果支持在研究区域进行知情的地下水资源管理和政策制定.
相关概念视频
01:19Quality of Water
In concrete preparation, the quality of water is paramount as it affects the strength and durability of the concrete. Potable water is usually preferred; however, it must not have excessive sodium or potassium to prevent compromising the concrete's integrity. Water quality is typically evaluated based on impurities such as dissolved solids, chlorides, and sulfates, and its pH value is ideally between 6 and 8. Even slightly acidic natural water may be acceptable unless it contains harmful...
01:14Testing Water Quality
When the quality of water for concrete preparation is uncertain, its impact on the setting time of cement and compressive strength of mortar is assessed by comparison with de-ionized or distilled water benchmarks. American Society for Testing and Materials (ASTM) C1602 requires the setting times to be within 90 minutes of the control, British Standard (BS) 3146:1980 allows a 30-minute variance in the initial setting, while British Standards European Norm (BS EN) 1008 specifies initial setting...