一个高效的水质指数预测和分类,使用优化的深囊水晶边缘图神经网络
Anusha Nanjappachetty1, Suvitha Sundar2, Nagaraju Vankadari3
1Department of IoT, School of Computer Science and Engineering (SCOPE), Vellore Institute of Technology, Vellore, India.
概括
这项研究引入了一种使用先进的人工智能和优化算法的新方法,以准确估计河水质量指数 (WQI). 这种方法确保了可靠的水质监测,以保护环境.
科学领域:
- 环境科学 环境科学
- 人工智能的人工智能
- 水资源管理 水资源管理
背景情况:
- 河水质量对公共卫生和环境可持续性至关重要.
- 经济活动造成的污染对淡水供应构成重大威胁.
- 精确的水质监测对于有效的污染控制至关重要.
研究的目的:
- 开发一种新且准确的方法来估计水质指数 (WQI).
- 通过先进的计算技术提高水质 (WQ) 评估.
- 为环境当局提供一个可靠的工具来管理河流水质.
主要方法:
- 集成Deep Capsule Crystal Edge Graph神经网络与优化算法进行整合.
- 使用混合猪成吉思汗鱼优化功能选择.
- 采用Greylag Goose优化算法来微调神经网络的参数.
主要成果:
- 实现了高精度的WQI预测,准确率为99%.
- 显示了6.7.7的低平均平方误差 (MSE).
- 双优化框架显著改善了预测性能.
结论:
- 拟议的方法为河流水质量评估提供了强大而精确的方法.
- 该工具赋予环境当局积极的污染管理和恢复评估的权力.
- 该研究通过创新的AI集成推动了水质监测领域的发展.
