.png){kind=icon}
返回
A methodological framework for assessing aquatic contamination using data science approaches
.png){kind=icon}
OA
AI
DOI：10.1016/j.wri.2026.100372.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 为评估环境污染（EC）开发了一种新的方法论框架。
• 利用数据驱动方法，开发了“环境污染指数-ECI”模型。
• 该模型在评估EC时表现出良好的泛化敏感性（R2 = 0.71）和极低的不确定性（< 5%）。
• 研究结果表明，与传统的评估方法相比，ECI模型可作为一种可靠的环境污染评估工具。
Keyword:
Data-driven model
Hyperparameters optimization techniques
ECI model
Environmental contamination
Surface water
Sundarbans
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
130
被引数:
1.6K
机构
引用论文
Effectiveness of groundwater heavy metal pollution indices studies by deep-learning基于深度学习的地下水重金属污染指数有效性研究
PREAI
分享收藏The prediction of heavy metal contamination in groundwater using machine learning algorithms: a case study from the Harran Plain, a major agricultural irrigation area in Türkiye使用机器学习算法预测土耳其哈兰平原地下水重金属污染：一项来自主要农业灌溉区的研究
PREAI
分享收藏The impact of data quality and outlier detection in high-frequency water quality data on water management and process understanding数据质量和高频水质数据中的异常值检测对水资源管理和过程理解的影响.png)
Journal of Hydrology
OAAI
Journal of HydrologyIF6.3
OAAI分享收藏Sensitivity and identifiability analyses of parameters for water quality modeling of subtropical reservoirs参数敏感性及可辨识性分析在亚热带水库水质建模中的应用
PREAI
分享收藏A novel approach for estimating and predicting uncertainty in water quality index model using machine learning approachesWATER RESEARCHOAAI
WATER RESEARCHIF12.4
OAAI分享收藏Machine learning insights in predicting heavy metals interaction with biochar预测重金属与生物炭相互作用的机器学习见解BIOCHAROAAI
BIOCHARIF13.5
OAAI分享收藏
查看更多内容