Newswise 大约 22 亿人（占世界人口的四分之一以上）无法获得安全、受管理的饮用水，并且大约一半的世界人口在一年中的某个时候经历了严重的缺水。为了克服这些短缺，巨大的社会经济成本被花费在下水道灌溉和雨水再利用和海水淡化等替代水源上。此外，这些集中式配水系统的缺点是无法立即响应用水需求的变化。因此，人们对分散式制水技术越来越感兴趣，这些技术是易于采用的基于电化学的技术，例如电容去离子和电池电极去离子（也称为法拉第去离子）。然而，现有的基于电化学技术的水质测量传感器无法测量和跟踪水中的单个离子，并且在根据电导率粗略推断水质状况方面存在局限性。
Dr.韩国科学技术研究院 (KIST) 水资源循环研究中心 Son Moon 的研究团队与岭南大学 Baek Sang-Soo 教授的团队合作，开发了一种利用数据驱动的人工智能来准确预测浓度的技术研究人员首先建立了随机森林模型，这是一种用于解决回归问题的基于树的机器学习技术，然后将其应用于预测电化学水处理过程中的离子浓度技术。开发的基于随机森林的人工智能模型能够准确预测处理水的电导率和每种离子（Na、K、Ca2 和 Cl-）的浓度（R=~0.9）。他们还发现，大约每 20-80 秒需要更新一次，以提高预测的准确性，这意味着为了将该技术应用于国家水质网络来跟踪特定离子，有必要至少每隔一段时间测量一次水质。分钟训练初始模型。本研究使用的随机森林模型的优点是在经济上优于复杂的深度学习模型，训练时需要的计算资源减少100倍以上。
“这项研究的意义不仅在于开发KIST 的 Son Moon 博士说：“这是一种新的人工智能模型，而且还应用于国家水质管理系统。”“通过这项技术，可以更精确地监测单个离子的浓度，有助于改善社会水福利。”
###
KIST 成立于 1966 年，是韩国第一家政府资助的研究所。KIST 现在致力于通过领先和创新的研究解决国家和社会挑战并确保增长引擎。欲了解更多信息，请访问 KIST 网站 https://eng.kist.re.kr/
这项研究得到了 KIST 机构下的科学和信息通信技术部（Yoo Sang-im 部长）的支持计划和世宗科学奖学金计划 (2021R1C1C2005643)。该研究成果发表在最新一期国际期刊《Water Research》上（IF：11.4，JCR领域0.4%）。