机构名称：
¥ 2.0
摘要：利用废水替代有限的水资源和环境保护的概念使该行业取得了重大的技术进步，并因此为我们提供了大量物理数据，包括化学、生物和微生物信息。研究这些数据后，更容易理解废水处理系统。为了实现这一点，许多研究使用机器学习 (ML) 算法作为一种主动的方法来解决问题并建模这些处理系统的功能，同时利用收集到的实验数据。本文的目标是使用文本分析技术从“Web of Science”数据库中的科学文献中提取最流行的机器学习模型，并分析它们的相关性和历史发展。这将有助于提供关于应用人工智能 (AI) 克服废水处理技术面临的挑战的出版物的总体概述和全球科学跟踪。研究结果表明，发达国家是该研究主题文章的主要出版者，对出版趋势的分析显示数量呈指数级增长，反映了科学界对该主题的兴趣。结果还表明，监督学习在研究人员中很受欢迎，其中人工神经网络 (ANN)、随机森林 (RF)、支持向量机 (SVM)、线性回归 (LR)、自适应神经模糊推理系统 (ANFIS)、决策树 (DT) 和梯度提升 (GB) 是废水处理领域最常用的机器学习模型。优化方法的研究表明，校准模型最著名的方法是遗传算法 (GA)。最后，机器学习通过提高数据分析的准确性和效率使废水处理受益。然而，由于模型训练需要大量高质量的数据，因此挑战也随之而来。此外，机器学习模型的可解释性有限，使得人们难以理解废水处理中的潜在机制和决策。
人工智能与废水处理
主要关键词
相关文件推荐
