环境微污染物建模中的不确定性
Heidi Ahkola1, Niina Kotamäki2, Eero Siivola2
1Finnish Environment Institute (Syke), Latokartanonkaari 11, 00790, Helsinki, Finland. heidi.ahkola@syke.fi.
了解微污染物 (MP) 的环境命运需要强大的建模. 本研究审查了MP建模的传统和机器学习 (ML) 方法中的不确定性,以改善环境决策.
科学领域:
- 环境科学 环境科学
- 计算化学的计算化学
- 风险评估 风险评估
背景情况:
- 全球水污染政策旨在减轻微污染物 (MP) 的风险.
- 对议员来说,准确的环境命运数据对于监管机构实现环境目标至关重要.
- 环境决策越来越依赖科学数据,特别是在水利工程许可证方面.
研究的目的:
- 为微污染物 (MP) 建模中的不确定性方面提供概述.
- 突出数学和计算建模在环境决策中的日益重要的重要性.
- 为了比较MP命运评估的传统和机器学习 (ML) 方法中的不确定性.
主要方法:
- 对MP建模中的不确定性现有文献的审查.
- 分析传统的 (基于过程的) 和新兴的机器学习 (ML) 建模策略.
- 检查影响MP模型不确定性的数据采样,分析和物理化学特征.
主要成果:
- 传统和机器学习建模方法在全面的不确定性分析中都面临挑战.
- 随着数据可用性的增加和新的ML应用,ML技术对MP建模越来越重要.
- 对于两种建模类型,不确定性估计的通用和常用方法似乎比初始方法更实用.
结论:
- 需要进一步研究实施建模结果,包括不确定性和预防原则,以进行可靠的风险评估.
- 识别,承认和减少MP建模中的不确定性对于准确的环境影响评估至关重要.
- 更好地了解MP建模中的不确定性对于有效的水污染控制和环境保护至关重要.
更多相关视频
10:22Split Point Analysis and Uncertainty Quantification of Thermal-Optical Organic/Elemental Carbon Measurements
Published on: September 7, 2019
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
相关概念视频
Uncertainty: Overview
Propagation of Uncertainty from Systematic Error
Mechanistic Models: Compartment Models in Individual and Population Analysis
Impact of Pharmacokinetic–Pharmacodynamic Models: Regulatory Decisions
Environmental Applications of Microorganisms
Microbial Wastewater Treatment
