Assessing the Potential of Wild Mushrooms as Bioindicators for Environmental Pollution Prediction Using Machine Learning
Notice bibliographique
Résumé
Machine learning models, including predictive algorithms and neural networks, were used to compare data and make predictions regarding the effect of pollution on fungi based on soil and air data.Wild mushrooms were selected due to their high capacity for heavy metal uptake and ecological sensitivity, making them effective indicators of environmental pollution.Soil and fungal sampling was performed at varying distances from pollution sources.The samples underwent various chemical analyses to determine metal content, with metal concentrations expressed in mg/kg.The bioaccumulation factor was calculated, and heavy metal concentrations were measured using Atomic Absorption Spectroscopy (AAS).Orange Data Mining was used to apply machine learning algorithms, specifically neural networks, to predict the effects of pollution on metal accumulation in fungi based on soil and air measurements.Machine learning forecasts further suggested that fungi located closer to polluted sites tend to accumulate heavy metals, with lead accumulating at 6 mg/kg and cadmium at 2.67 mg/kg.Neural network forecasts showed good consistency with the actual values of bioaccumulation to indicate the possibilities of the algorithm in forecasting rates of pollution of soils and air with high levels of efficiency, particularly the heavy metals deposited within the mushrooms.Wild mushrooms from polluted areas were found to have greater efficiency in the bioaccumulation of heavy metals due to their very high absorption capability.Machine learning algorithms also provided correct results in predicting the effects of pollution on the environment, signifying the effectiveness of wild mushrooms as ideal bioindicators.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».