The use of PCA and ANN to improve evaluation of the WQIclassic, development of a new index, and prediction of WQI, Coastel Constantinois, northern coast of eastern Algeria
Notice bibliographique
Résumé
Abstract The objective of this research was to arrive at a better assessment of the quality of surface water in the Constantine region. The focus was on the comparison of three classical indices WQINSF (National Sanitation Foundation Water Quality Index), WQICCME (Canadian Council of Ministers of the Environment Water Quality Index) and WQIAP (weighted arithmetical Water Quality Index), the development of a new index and the prediction by ANN (artificial neural network) of WQI indices. The principal components analysis (PCA) allows the selection of 10 parameters to be used in the calculation of the classical WQI, and eight principal components to be used as input for the new proposed index (regularized WQI). However the ANN is applied for the search for prediction models of classical WQI and developed WQI. The results show that the WQIAP index assesses water quality better, and that the regularized WQI further promotes the assessment of water quality. WQIR shows that, after the pollution peak, the water quality does not return to its initial state. The modeling approach by ANN offers an effective alternative to predict the WQI, it subsequently appears that the ANN predicts the new index WQIRregularized (R2 = 0.999) better than the classic model WQIAP (R2 = 0.99).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».