机器学习结合多元指纹识别,以高精度识别蒸残留物的来源:工业废物可追溯性的新策略
Yiqing Sun1, Qingwei Guo2, Xiubao Wang2
1Institute of Eco-Environmental Forensics, School of Environmental Science and Engineering, Shandong University, Qingdao 266237, China.
这项研究使用金属元素和机器学习来追踪工业蒸残留物. 开发的方法准确地识别废物来源,有助于环境保护和废物可追溯性工作.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 数据科学数据科学数据科学
背景情况:
- 蒸残留物是复杂的工业废物,其来源不同.
- 由于难以确定来源,非法处置对环境构成威胁.
- 缺乏通用化学标记物阻碍了这些废物流的可追溯性.
研究的目的:
- 开发一种新的方法来识别生产蒸残留物的企业.
- 将金属元素分析与机器学习相结合,以准确地归因废物来源.
- 提高工业固体废物的可追溯性.
主要方法:
- 感应合等离子光学发射光谱仪 (ICP-OES) 用于金属元素组成分析.
- 主要组件分析 (PCA) 用于数据删除和缩小维度.
- 逆向传播神经网络 (BPNN) 用于分类和识别,并使用Shapley添加式解释 (SHAP) 进行模型解释.
主要成果:
- 综合方法实现了蒸残留来源的98.18%的高识别精度.
- PCA有效地提高了数据质量和降低了维度.
- SHAP分析提供了关于特定金属元素在来源识别中的重要性的见解.
结论:
- 成功开发了一种快速准确的AI驱动策略,用于识别蒸残留来源.
- 这项研究表明,将人工智能集成到固体废物追踪系统中的巨大潜力.
- 这种方法为环境监测和监管执法提供了一个强大的工具.
更多相关视频
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
08:07A Two-Step Pyrolysis-Gas Chromatography Method with Mass Spectrometric Detection for Identification of Tattoo Ink Ingredients and Counterfeit Products
Published on: May 22, 2019
相关概念视频
IR Frequency Region: Fingerprint Region
Gas Chromatography: Types of Detectors-II
MALDI-TOF Mass Spectrometry
Methods of Classification and Identification
Mass Spectrometry: Complex Analysis
GC–MS is a powerful hyphenated method commonly used in forensics and environmental...
