نمونه برداری از کیفیت آب به طور گسترده ای برای مناطق دورافتاده ، جایی که مشکلات در دسترسی فیزیکی می تواند به شکاف های چندین ساله یا چند ده ساله در داده ها منجر شود دشوار است.

این ، به نوبه خود ، منجر به ناکارآمدی ، تأخیر و اشتباه در اصلاح مشکلات کیفیت آب می شود.

اکنون ، تیمی به سرپرستی محققان ایالت پن با استفاده از داده های آب و هوایی ، مدل جدید و مجهز به هوش مصنوعی را برای پیش بینی کیفیت آب در چنین مناطق دورافتاده ای تولید کرده است.

محققان دریافتند که داده های هواشناسی واساساً داده های مربوط به آب و هوا ممکن است شاخصی مفید برای کیفیت آب باشد ، زیرا با فرکانس بسیار بیشتری نسبت به داده های نمونه برداری مستقیم ثبت شده است.

بنابراین محققان برخی این داده ها را با یک مدل هوش مصنوعی مبتنی برشبکه ای با حافظه کوتاه مدت (LSTM) تغذیه کردند و آن را با داده های صدها حوزه که از سال 1980 تا 2014 جمع آوری شده بودند ، ترکیب کردند.

هدف:

پیش بینی اکسیژن محلول (یا DO) ) ، که به عنوان شاخص اصلی توانایی حوضه های آبخیز در میزبانی حیوانات آبزی عمل می کند بود.

این مدل عملکرد خوبی داشت.

ژی گفت: "این یک ابزار واقعا قوی است و به خوبی پویایی DO را در بسیاری از شرایط مختلف حوزه در مقیاس قاره آموخته است."

هنوز هم کمبودهایی وجود دارد: این مدل در مناطقی که سطح DO ناهموار یا جریان آب ناپایدار دارند عملکرد کمتری دارد.

220000402.093