Surface Water Quality Assessment, Prediction, and Modeling of the River Daya in Odisha
Notice bibliographique
Résumé
A decision tree-based approach is projected to predict surface water quality and is a good tool to assess the quality and guarantee the safe use of water for drinking. Modeling surface water quality using artificial intelligence-based models is essential in projecting suitable mitigation measures; however, it remains a challenge and requires further research to enhance the modeling accuracy. Because of the serious effects of low water quality, a faster and less expensive solution is required. With this motivation, this research explores a series of supervised machine learning algorithms to estimate the water quality. The objective of this study is to assess the surface water quality of the Daya watercourse to determine the optimal procedure to measure quality of drinking water. Samples were collected from designated locations throughout different seasons (winter, summer, rainy) over a period of five years (2016, 2017, 2018, 2019, and 2020). Total dissolved solids, pH, alkalinity, chloride, nitrate, total hardness, calcium, magnesium, iron, fluoride, were all tested, as well as total coliform, fecal coliform, and E. coli. Through this decision tree regression model, accuracy of prediction is 93.77%. This is a significant result, indicating that the decision tree-based approach has the potential to be a useful tool for surface water quality prediction. However, it is important to note that there may be limitations and uncertainties in the model, and further research and validation may be required to improve the accuracy and dependability of forecasts. The catastrophic consequences of poor water quality, as well as the need for faster and less expensive technologies for testing water quality, are the driving factors in this study. The study's findings can help to improve knowledge of water quality in the Daya watercourse and enhance the decision-making processes to ensure safe drinking water.
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 | 0,003 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».