您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
为克服水危机，全球各地采用AI预测流量并减少水资源浪费
2018年11月26日 由 浅浅 发表
811174
0
水危机已成为全球主要关注的问题之一。一份报告显示，仅美国每天就浪费70亿加仑的饮用水。由于只有不到百分之一的地表水适合人类消费，因此节约用水在可持续发展中变得至关重要。不加控制地使用水和极端天气条件使情况恶化，很快就会出现淡水短缺，供需失调，地下水萎缩以及其他挑战。为了帮助克服水危机，各种组织已经开始使用AI来有效地阻止这种浪费。研究人员正在使用AI原型，结果是有效的。
洪水，降水，污染物运输和地下水管理等水文问题需要提供有关水系统的详细而准确的数据，由于经济和基础设施的限制，这些数据通常在发展中国家无法获得。在这种具有挑战性的情景中，AI是水管理的友好替代方案。
人工神经网络和支持向量机（SVM）等AI技术正在普遍使用，因为与大数据机制相比，它们的成本效益较低。ANN算法支持建立水厂，提供有关当前资源的最新统计数据，并帮助为即将到来的情况建立模型。具有神经网络的软件程序动态地制定水运行策略。
它还有助于开发目前的水资源。AI的决策能力可以优化和自动化可用资源。理事机构和水有关部门可以通过AI驱动的规划了解实时失水和浪费。
突破性用例
- 在希腊，研究人员使用前馈神经网络训练算法来刺激降低地下水趋势。他们使用降水，温度和地下水位数据作为神经网络预测的向量。结果能够为未来18个月提供解决方案。
- 美国伊利诺斯州采用前馈训练算法对地下水农药报价进行预测。他们以含水层深度、含水层对农药的敏感性、农药渗透和某一特定时间的样品作为这些ANN的载体。
- 在法国北部，科学家们应用人工神经网络模型估算土壤中污染区域的深度，以估算道路工程引起的地下水污染。
- 为了分析土耳其哈兰平原井中地下水中的硝酸盐含量，研究人员使用温度，电导率和地下水的Ph水平作为ANN的载体。
- 在美国德克萨斯州爱德华喀斯特含水层进行了一项观测，通过改变人工神经网络的水头来预测地下水位。过去6天的温度和附近井的抽速作为测验的向量。
- 伊朗开发了 ANN多层感知器（MLP）来模拟降雨：径流过程，使用降雨持续时间，平均强度和超过100次的季节指数作为模型的向量。
- 新加坡开发了ANN反向传播训练算法，用于预测沿海水质，使用站点的位置，过去的盐度，温度，溶解氧水平和附近站点的叶绿素a水平作为向量。
- 美国犹他州塞维尔河流域开发了一种SVM模型，使用具有不同时间变化和先前流量流量的当地气候数据预测6个月的流量。
- 在GIS的帮助下，使用适当的ANN，SVM和逻辑回归的集成，对美国佛罗里达州波尔克县水井硝酸盐污染水进行了识别。研究的载体是GW深度，土壤介质特征，水力，地形和PH值。在这种技术中，ANN的表现优于SVM。
- 中国利用地下水质量分类指标作为向量，以地下水水质分类指标为载体，对娘子关地下水水质进行了评价，预测精度较高。
- 韩国借助SVM和ANN创建的时间序列模型，预测沿海地区井水的地下水位，使用过去的地下水位，潮位和降水数据作为向量。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消