利用人工智能对水质进行建模和预测

人工智能方法可以显著降低水供应和卫生系统的成本，并有助于确保饮用水和废水处理的质量合规。因此，建模和预测水质以控制水污染已受到广泛研究。所提系统的新颖性在于开发高效的饮用水监测操作，以确保可持续和友好的绿色环境。在这项工作中，开发了自适应神经模糊推理系统（ANFIS）算法来预测水质指数（WQI）。前馈神经网络（FFNN）和K近邻法被应用于分类水质。数据集包含八个重要参数，但考虑到七个参数显示出显著的值。提出的方法论是基于这些统计参数开发的。预测结果表明，ANFIS模型在WQI值的预测方面优于其他模型。然而，FFNN算法在水质分类（WQC）方面达到了最高的准确率（100%）。此外，ANFIS模型准确预测了WQI，而FFNN模型在分类WQC方面表现出更强的稳健性。此外，ANFIS模型在测试阶段的准确率为96.17%，并用于WQI的预测，而FFNN模型在WQC方面也达到了最高的准确率（100%）。使用先进的人工智能的这一拟议方法可以帮助水处理和管理。