相关实验视频
Updated: Sep 9, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
基于机器学习的饮用水质量指数预测,使用KAN,MLP和传统模型
Laleh Mahmoudian Boroujerd1, Alireza Shakerdonyavi2, Zahra Asadgol3
1Reference Laboratory, Health Deputy, Iran University of Medical Sciences, Tehran, Iran.
这项研究评估了德黑兰
科学领域:
- 环境科学
- 水资源管理
- 数据科学
背景情况:
- 评估水质对于公众健康至关重要.
- 德黑兰西部地区的供水网络需要持续监测.
- 传统的水质指数 (WQI) 方法可以通过先进的分析来加强.
研究的目的:
- 计算德黑兰西部地区供水网络的WQI (2021-2024年).
- 使用各种机器学习算法预测WQI.
- 评估机器学习模型在WQI预测中的有效性.
主要方法:
- 物理,化学和微生物参数的多变量统计分析.
- 根据伊朗国家标准选择主要饮用水参数.
- 机器学习算法的应用:MLR,SVM,XGBoost,RF,MLP和KAN.
主要成果:
- 传统计算的WQI值表示水质相当好 (75-86).
- WQI地图显示71% (2021-2022) 的水质良好,随后的几年不同百分比.
- MLP (R2=0.901,RMSE=0.286) 和KAN (R2=0.9527,RMSE=0.197) 模型显示出极好的预测准确度.
结论:
- 德黑兰西部地区的水质一般不错.
- 机器学习模型,特别是KAN和MLP,对于准确的WQI预测非常有效.
- 这种方法可以支持积极的水资源管理和公共卫生保护.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
09:10Multimodal Analysis of Microplastics in Drinking Water using a Silicon Nanomembrane Analysis Pipeline
Published on: June 13, 2025
相关概念视频
End Point Prediction: Gran Plot
For potentiometric titration, the Gran plot is created by plotting...
Typical Model Studies
Testing Water Quality
Quality of Water
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Mechanistic Models: Compartment Models in Individual and Population Analysis