大約22億人（超過世界人口的四分之一）無法獲得安全、有管理的飲用水，世界上約一半的人口在一年中的某個時候經歷嚴重的水短缺。為了克服這些短缺，巨大的社會和經濟成本被花費在下水道灌溉和雨水再利用和海水淡化等替代水源上。
此外，這些集中式供水系統的缺點是無法立即響應水需求的變化。因此，人們對分散制水技術的興趣越來越大，這些技術是易於採用的基於電化學的技術，例如電容去離子和電池電極去離子（也稱為法拉第去離子）。
然而，現有的基於電化學技術的水質測量傳感器無法測量和跟蹤水中的單個離子，並且在基於電導率粗略推斷水質狀況方面存在局限性。
韓國科學技術研究院（KIST）水循環研究中心Son Moon博士的研究團隊與嶺大白相秀教授的團隊合作，開發了一種利用數據驅動人工智慧準確預測電化學水處理的技術。過程中水中離子的濃度。
他們的論文發表在《水研究》雜誌上。
研究人員首先建立了隨機森林模型，這是一種用於回歸問題的基於樹的機器學習技術，然後將其應用於預測電化學水處理技術中的離子濃度。
基於隨機森林開發的人工智慧模型能夠準確預測處理水的導電性和每種離子（鈉離子、鉀離子、鈣離子和氯的例子）的濃度（R2 =~0.9）。
他們還發現，大約每20-80秒就需要更新一次，以提高預測的準確性，這意味著為了將該技術應用於國家水質網絡以跟蹤特定離子，有必要至少偶爾測量一次水質。在幾分鐘內訓練初始模型。
本研究中使用的隨機森林模型的優勢在於，它在經濟上優於複雜的深度學習模型，並且訓練所需的計算資源減少了100倍以上。
文在寅博士說：「這項研究的意義不僅在於開發新的人工智慧模型，還在於將其應用於國家水質管理系統。」「通過這項技術，可以更準確地監測單個離子的濃度，幫助改善社會水福利。"
此視頻下方的視頻中有連結。如果您感興趣，可以打開看看。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
原文：https://techxplore.com/news/2024-09-artificial-intelligence.html
更多信息：Hoo Hugo Kim等人，使用人工智慧模型將離子濃度與電容器和電池電極去離子化中的廢水電導率曲線脫鉤，Water Research（2024）。DOI：10.1016/j.watres.2024.122092
期刊信息：水研究
輸油管：
