使用机器学习模型预测印尼省级河流中的微塑料数量
Aan Priyanto1, Dian Ahmad Hapidin2, Dhewa Edikresnha2
1Research Group of Physics and Technology of Advanced Materials, Department of Physics, Faculty of Mathematics and Natural Sciences, Institut Teknologi Bandung, Jalan Ganesa No. 10, Bandung, Jawa Barat 40132, Indonesia; Doctoral Program of Physics, Faculty of Mathematics and Natural Sciences, Institut Teknologi Bandung, Jalan Ganesa No. 10, Bandung, Jawa Barat 40132, Indonesia.
The Science of the total environment
|January 10, 2025
概括
机器学习模型准确预测了印度尼西亚河流中的微塑料含量. 树算法表现最好,确定温度,GDP和人口密度是影响污染的关键因素.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 生态毒理学 生态毒理学
背景情况:
- 微塑料污染是一个重要的全球环境和健康问题.
- 淡水系统是微塑料运输的关键途径.
- 需要有效的监测策略来管理微塑料污染.
研究的目的:
- 评估用于预测印尼河流中的微塑料度的机器学习模型.
- 确定驱动微塑料丰富的关键环境和人为因素.
- 为减轻淡水微塑料污染提供数据驱动的见解.
主要方法:
- 应用了多个机器学习算法:树,k-最近邻居 (kNN),随机森林 (RF),线性回归 (LR),支持矢量机器 (SVM) 和神经网络 (NN).
- 利用印度尼西亚24个省份的环境和人为数据.
- 使用确定系数 (R2) 和平均绝对百分比误差 (MAPE) 验证模型性能.
主要成果:
- 树算法表现出卓越的预测性能,其中R2 = 0.838和MAPE = 0.242.2.
- 年平均气温,人均GDP和人口密度被确定为微塑料度的重要预测因素.
- 该研究证实了机器学习在分析复杂环境数据方面的有效性.
结论:
- 机器学习,特别是树算法,为预测和监测淡水系统中的微塑料污染提供了强大的工具.
- 了解社会经济和气候因素的影响对于有针对性的污染控制至关重要.
- 这项研究支持为印尼河流及其他地区制定明智的环境管理策略.
相关概念视频
01:30Typical Model Studies
340
Fluid mechanics model studies often utilize scaled-down systems to predict fluid behavior in full-scale environments, such as river flows, dam spillways, and structures interacting with open surfaces. Maintaining Froude number similarity in river models is crucial, as it replicates surface flow features like wave patterns and velocities.
340
01:18Steps in Outbreak Investigation
105
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
105