KDDJul, 2017

一种理解弗林特居民用水污染的数据科学方法

PDF
TL;DR本文从 Flint 居民自愿水检测的数据中，针对居民特征预测铅污染水源的可能性，探讨与污染扩散相关的因素，并针对社区开发基于互联网和移动应用的风险评估工具。同时，对居民自愿参与水检测的自我选择原因进行考察。
flintlead contaminationwater-testing kitsrisk assessmentself-selection
发现论文，激发创造
  • 主动修复：密歇根州弗林特市铅管搜寻

    本文详细介绍了在密歇根州弗林特市检测铅管和其他有害金属的持续工作。在检测到居民饮用水中存在高水平的铅以及该地区儿童血铅水平上升后，州和联邦政府指导投入超过 1.25 亿美元来更换供水管线。在准确记录缺失并且确定掩埋管道材料成本高昂的情况下，我们提供了一些预测性和程序性工具来帮助搜索和拆除铅管线。并探讨了如何将我们的方法推广到其他市镇的基础设施领域。

    Jun, 2018

  • 利用机器学习评估和预防水管爆裂风险

    使用机器学习系统评估水管道破裂风险，通过历史数据和相关信息，使用梯度提升决策树模型最好的预测并取得了成功，此方法也可应用于其他城市。

    May, 2018

  • FlowDB：一个大规模的降水、河流和洪水数据集

    研究介紹了一種新的以小時為單位的河流水位和降雨數據集，並提出了兩個挑戰，即通用水流量預測和閃洪災害評估，旨在改善由氣候變化引起的洪水造成的損失。

    Dec, 2020

  • 利用机器学习和神经网络方法进行水质预测

    利用不同性能度量评估线性回归、随机森林、XGBoost、LightGBM 和 MLP 神经网络五种模型在美国佐治亚州预测 pH 值方面的效果，表明 LightGBM 具有最高的平均精度，树模型在回归问题中具有卓越性能，MLP 神经网络的性能对特征缩放敏感，并解释了机器学习模型相对原研究的提升原因，以建立适用于实际应用的强大预测流程，既适合数据科学领域专业人士，也适用于缺乏特定应用领域专业知识的人群，强调预测准确性和可解释性。

    Sep, 2023

  • 利用大规模城市数据解析环境空气污染

    本文提出了一个大规模的城市数据集，在建模预测空气污染水平时，采用了基于 Transformer 的模型 ——cosSquareFormer，并通过其他方法探究数据集，以更好地理解污染水平的动态变化与其主要原因。

    Sep, 2021

  • 一个用于水资源可持续性研究的数据集

    全球淡水短缺是一个需要所有行业部门共同努力解决的问题，为了突破研究水资源可持续性的障碍，我们建立了一个数据集，包括 2019 年至 2023 年间美国主要城市和州的小时水资源利用效率以及冷却系统的天气影响模型，该数据集的公开科学框架 (OSF) 获取。

    May, 2024

  • 社交媒体与人工智能在可持续城市和社会中的运用：一个水质分析案例

    提出了一种自然语言处理框架，通过文本分类和主题建模的方法，自动收集并分析社交媒体中与水相关的帖子，以便进行数据驱动决策。

    Apr, 2024

  • 社交媒体作为即时水质反馈渠道

    本研究旨在通过使用社交媒体的数据作为及时反馈，探究社交媒体作为水质监测的潜在价值，同时提出了一个使用多个神经网络结构的框架来分析与检索与水质相关的社交媒体帖子，其中最高的 F1-score 值为 0.81，而总体融合结果最高的 F1-score 值为 0.852。

    Feb, 2022

  • 利用大气校正的 Sentinel-2 数据应用机器学习算法监测沿海地区水体污染物

    监测水质的关键参数浊度对公共健康和环境福祉至关重要，而本研究以 CatBoost 机器学习方法结合 Sentinel-2 Level-2A 的高分辨率数据，开创了一种新方法用于监测浊度污染物，为全球水质管理提供了可扩展和精确的测量模式。

    Jan, 2024

  • 挖掘可解释的预测特征用于水质管理

    本篇文章阐述了在水质管理过程中，通过搜索现象的位置与天气变量集对水质变量进行识别和解释的需要性，并提出了以机器学习算法和 Shapley 值来帮助解释水质数据，使用不同算法和都柏林运河数据进行了相关性能评估。

    Dec, 2022