人工智能模型有助于生产清洁水

大约 22 亿人（占世界人口的四分之一以上）无法获得安全、受管理的饮用水，并且大约一半的世界人口在一年中的某个时候经历了严重的缺水。为了克服这些短缺，巨大的社会经济成本被花费在下水道灌溉和雨水再利用和海水淡化等替代水源上。

此外，这些集中式配水系统的缺点是无法立即响应用水需求的变化。因此，人们对分散式制水技术越来越感兴趣，这些技术是易于采用的基于电化学的技术，例如电容去离子和电池电极去离子（也称为法拉第去离子）。

然而，基于电化学技术的现有水质测量传感器不能测量和跟踪水中的单个离子，并且在根据电导率粗略推断水质状况方面存在局限性。

韩国科学技术研究院 (KIST) 水资源循环研究中心 Son Moon 博士的研究团队与岭南大学 Baek Sang-Soo 教授的团队合作，开发了一种利用数据驱动的人工智能来准确预测的技术电化学水处理过程中水中离子的浓度。

他们的论文发表在《水研究》杂志上。

研究人员首先建立了随机森林模型，这是一种用于回归问题的基于树的机器学习技术，然后将其应用于预测电化学水处理技术中的离子浓度。

开发的基于随机森林的人工智能模型能够准确预测处理水的电导率和每种离子（钠离子 、钾离子 、钙离子和 氯例子 ）的浓度（R 2 =~0.9）。

他们还发现，大约每 20-80 秒需要更新一次，以提高预测的准确性，这意味着为了将该技术应用于国家水质网络来跟踪特定离子，有必要至少每隔一段时间测量一次水质。分钟训练初始模型。

本研究中使用的随机森林模型的优点是在经济上优于复杂的深度学习模型，训练所需的计算资源减少了 100 倍以上。

Moon博士说：“这项研究的意义不仅在于开发新的人工智能模型，还在于将其应用于国家水质管理系统。” “通过这项技术，可以更精确地监测单个离子的浓度，有助于改善社会水福利。”

本视频下方有视频中的链接，感兴趣的可以打开看看
谢谢观看本视频。要是喜欢，请订阅、点赞。谢谢

原文：https://techxplore.com/news/2024-09-artificial-intelligence.html
更多信息： Hoo Hugo Kim 等人，使用人工智能模型从电容和电池电极去离子中的废水电导率曲线中解耦离子浓度，水研究(2024)。 DOI：10.1016/j.watres.2024.122092
期刊信息：水研究

油管：https://youtu.be/q4qwPkasXaY