人工智能模型助力生产清洁水

Josiah02

约有 22 亿人（占世界人口的四分之一以上）无法获得安全、可管理的饮用水，约有一半的世界人口在一年中的某个时间点会经历严重缺水。为了解决这些短缺问题，人们在下水道灌溉和雨水再利用、海水淡化等替代水源上花费了巨大的社会经济成本。
此外，这些集中式供水系统还存在无法立即响应用水需求变化的缺点。因此，人们对分散式供水技术的兴趣日益浓厚，这些技术都是基于电化学且易于采用的技术，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，现有的基于电化学的技术所使用的水质测量传感器不能测量和追踪水中的单个离子，并且只能根据电导率粗略地推断水质状况。
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，开发出一种技术，利用数据驱动的人工智能准确预测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一个随机森林模型，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（Na +、K +、Ca 2+和 Cl -）的浓度（R 2 =~0.9）。
他们还发现，大约每 20-80 秒就需要更新一次以提高预测的准确性，这意味着为了将这项技术应用于国家水质网络以追踪特定离子，需要每分钟至少测量一次水质以训练初始模型。
本研究中使用的随机森林模型的优势在于经济性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 博士表示：“这项研究的意义不仅在于开发出一种新的 AI 模型，还在于将其应用于国家水质管理系统。利用这项技术，可以更精确地监测单个离子的浓度，有助于改善社会水资源福利。”