当前位置: X-MOL 学术Chemosphere › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

将人工智能、机器学习和深度学习方法整合到受污染场地的修复中:综述

Chemosphere ( IF 8.1 ) Pub Date : 2023-10-20 , DOI: 10.1016/j.chemosphere.2023.140476
Jagadeesh Kumar Janga 1 , Krishna R Reddy 1 , K V N S Raviteja 2
Affiliation  


全球越来越多的受污染场地对环境和人类健康构成了相当大的威胁。修复此类场地是一个繁琐的过程,其复杂性源于在场地表征期间需要进行大量采样和测试。围绕污染物属性、浓度以及土壤和地下水特性的不确定性使修复技术的选择和设计变得更加复杂,这些不确定性会影响修复效率。此外,在识别污染源和监测受影响区域方面也出现了挑战。通常,这些问题被过度简化,而收集的数据未得到充分利用,导致修复过程效率低下。人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 在解决这些问题方面的潜力值得注意,因为它们的出现彻底改变了数据管理/分析的过程。世界各地的研究人员越来越多地利用 AI/ML/DL 来应对修复挑战。本研究旨在对 AI/ML/DL 工具集成到污染场地修复中进行全面的文献综述。简要介绍了各种新兴和现有的 AI/ML/DL 技术,然后进行了全面的文献综述。从本质上讲,基于 ML/DL 的预测模型可以促进对污染模式的透彻理解,从而减少对大量土壤和地下水采样的需求。此外,AI/ML/DL 算法可以通过分析历史数据、通过代理模型模拟场景、使用自然启发算法进行参数优化以及使用基于 AI 的工具增强决策,在确定最佳修复策略方面发挥关键作用。 总体而言,借助开放数据政策和数据集成等支持措施,AI/ML/DL 有可能彻底改变受污染场地修复的做法。





"点击查看英文标题和摘要"

更新日期:2023-10-20
down
wechat
bug