微塑料和垃圾清洁和协调 (MaTCH):使用人工智能进行语义数据摄入和协调.
Hannah Hapich1, Win Cowger1,2, Andrew B Gray1
1University of California, Riverside, 900 University Avenue, Riverside, California 92521, United States.
Environmental science & technology
|November 11, 2024
概括
这项研究介绍了MaTCH,一种人工智能算法,可以协调各种塑料污染数据集. 它提高了全球微塑料和巨型塑料研究的数据可用性和可访问性.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 微塑料研究正在迅速扩大,增加了对统一数据的需求.
- 目前关于塑料污染的数据标准在研究和地区之间应用不一致.
- 大量,多样化的数据集,具有多种描述符,阻碍了有效的数据整合和分析.
研究的目的:
- 开发一个自动化算法,协调不同的微塑料和巨塑污染数据集.
- 为科学界创造一个更可用的和可访问的数据资源.
- 为了应对各种数据格式,命名和测量指标所带来的挑战.
主要方法:
- 开发一个人工智能算法,MaTCH (微塑料和垃圾清洁和协调),利用关系数据库.
- 来自不同来源的协调数据集的自动策划.
- 语义匹配和非语义校正与置信区间和模型不确定性报告.
主要成果:
- 通过语义匹配,MaTCH算法在协调数据集方面实现了71-94%的准确性.
- 报告的非语义性校正有95%的置信区间和模型不确定性.
- 该算法成功地集成了不同格式,命名和测量特征的数据.
结论:
- 一个人工智能驱动的工具MaTCH可以有效地协调复杂的塑料污染数据.
- 该开源软件工具增强了全球塑料污染研究的数据集成和可用性.
- 标准化数据有助于更全面的环境分析和政策制定.


