相关实验视频
Updated: Jan 8, 2026

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
混合数据驱动框架用于可解释的预测沿海水层中酸盐和硫酸盐风险
Md Abdullah-Al Mamun1, Mst Nazneen Aktar2, Md Nashir Uddin3
1Faculty of Information Technology and Communication Sciences, Tampere University, Finland.
沿海水层面临过度开采和污染的威胁. 这项研究使用可解释的人工智能来识别酸盐和硫酸盐来源,揭示水入侵和废水是硫酸盐的关键驱动因素,以及酸盐的肥料.
科学领域:
- 水文地质学和环境科学
- 环境监测中的人工智能
- 评估水质水质的评估.
背景情况:
- 孟加拉南部的沿海含水层受到地下水过度开发,盐水入侵和扩散污染的严重威胁.
- 以前的研究集中在一般水质和盐度上,对酸盐 (NO3−) 和硫酸盐 (SO42−) 污染的特定驱动因素和空间模式的理解有限.
- 准确识别污染源对于有效地管理地下水和确保安全供水至关重要.
研究的目的:
- 开发和应用一种新的可解释的人工智能 (XAI) 框架,用于预测沿海地下水中的酸盐和硫酸盐度.
- 阐明控制研究区域中酸盐和硫酸盐污染的水地化学机制.
- 为脆弱沿海地区的地下水可持续管理提供可转移的决策支持工具.
主要方法:
- 整合条件推理树 (CIT),多重对应分析 (MCA) 和先进的机器学习 (ML) 算法 (CatBoost,GBR,ANN).
- 分析了590个地下水样本和11个水化和环境预测指标.
- 基于SHAP的可解释性分析和学习曲线分析的应用,用于模型验证和绩效评估.
主要成果:
- 盐水入侵和家庭废水排放被确定为硫酸盐丰富的主要驱动因素,而农业肥料投入和盐度梯度控制了酸盐的变化.
- SHAP分析强调盐度,Ca2+和Na+是硫酸盐的关键预测因素,盐度和K+是酸盐的关键预测因素.
- 与基线模型相比,拟议的CatBoost和ANN模型的预测准确性高达4.5倍,表明性能强大和通用化能力强大.
结论:
- 该XAI框架有效预测酸盐和硫酸盐污染,并揭示了沿海含水层中潜在的水地化学过程.
- 人为活动 (废水排放,肥料使用) 和自然过程 (盐水入侵) 显著影响地下水质量.
- 这项研究提供了一个强大的和可转移的决策支持框架,用于在受威胁的沿海环境中管理地下水资源.
更多相关视频
12:50Continuous Instream Monitoring of Nutrients and Sediment in Agricultural Watersheds
Published on: September 26, 2017
08:05Measurement of the Potential Rates of Dissimilatory Nitrate Reduction to Ammonium Based on 14NH4+/15NH4+ Analyses via Sequential Conversion to N2O
Published on: October 7, 2020
相关概念视频
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Precipitation and Co-precipitation
Predicting Reaction Outcomes