通过可解释的人工智能理解废水处理厂污泥的机器学习预测
1Department of Civil and Environ Engineering, University of Wisconsin-Milwaukee, Milwaukee, Wisconsin, USA.
概括
机器学习模型准确地预测了废水处理厂的污泥产量. 可解释的人工智能技术揭示了影响这些预测的关键因素,有助于过程优化.
科学领域:
- 环境工程 环境工程
- 计算机科学 计算机科学
背景情况:
- 污水处理厂 (WWTP) 产生大量的污泥,需要有效的管理.
- 准确的污泥生产预测对于优化WWTP运营和可持续性至关重要.
研究的目的:
- 评估机器学习 (ML) 模型来预测WWTP污泥产量.
- 应用可解释的人工智能 (XAI) 技术来解释ML模型预测和识别有影响力的变量.
主要方法:
- 评估了三个ML模型 (随机森林,梯度增强机,梯度增强树).
- 使用特征选择方法来优化输入变量组合.
- 使用XAI技术来提高模型的透明度和可解释性.
主要成果:
- 预测准确性因ML模型和所使用的输入变量数量而异.
- 特性选择方法减少了输入变量,但没有显著影响准确性.
- XAI有效地确定了ML模型预测背后的驱动变量.
结论:
- ML模型与XAI相结合,为预测WWTP污泥产量提供了强大的方法.
- 可解释的ML预测促进了针对性干预,以提高WWTP的效率和可持续性.
- 在现实环境应用中,XAI增强了对ML的信任和采用.


