Application of ANN and MLR Models on Groundwater Quality Using CWQI at Lawspet, Puducherry in India
Notice bibliographique
Résumé
With respect to groundwater deterioration from human activities a unique situation of co-disposal of non-engineered Municipal Solid Waste (MSW) dumping and Secondary Wastewater (SWW) disposal on land prevails simultaneously within the same campus at Puducherry in India.Broadly the objective of the study is to apply and compare Artificial Neural Network (ANN) and Multi Linear Regression (MLR) models on groundwater quality applying Canadian Water Quality Index (CWQI).Totally, 1065 water samples from 68 bore wells were collected for two years on monthly basis and tested for 17 physio-chemical and bacteriological parameters.However the study was restricted to the pollution aspects of 10 physio-chemical parameters such as EC, TDS, TH, 3 HCO -, Cl -, 2 4 SO -, Na + , Ca 2+ , Mg 2+ and K + .As there is wide spatial variation (2 to 3 km radius) with ground elevation (more than 45 m) among the bore wells it is appropriate to study the groundwater quality using Multivariate Statistical Analysis and ANN.The selected ten parameters were subjected to Hierarchical Cluster Analysis (HCA) and the clustering procedure generated three well defined clusters.Cluster wise important physiochemical attributes which were altered by MSW and SWW operations, are statistically assessed.The CWQI was evolved with the objective to deliver a mechanism for interpreting the water quality data for all three clusters.The ANOVA test results viz., F-statistic (F = 134.55)and p-value (p = 0.000 < 0.05) showed that there are significant changes in the average values of CWQI among the three clusters, thereby confirming the formation of clusters due to anthropogenic activities.The CWQI simulation was performed using MLR and ANN models for all three clusters.Totally, 1 MLR and 9 ANN models were considered for simulation.Further the performances of ten models were compared using R 2 , RMSE and MAE (quantitative indicators).The analyses of the results revealed that both MLR and ANN models were fairly good in pre-How to cite this paper: Nathan, N.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».