本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
大约 22 亿人（占世界人口的四分之一以上）缺乏获得安全、受管理的饮用水的机会，而世界上大约一半的人缺乏获得安全、受管理的饮用水的机会人们在一年中的某个时候会经历严重的缺水。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回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需水量的变化。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）。
但是，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电化学水处理过程中水中离子的变化。
他们的论文发表在《水研究》杂志上。
研究人员首先建立了一个随机森林模型，这是一种基于树的机器学习技术用于回归问题，然后将其应用于电化学水处理技术中的离子浓度预测。
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浓度每种离子（Na 、 K 、 Ca2 和 Cl- ）（R2=~0.9）。
他们还发现大约每 2080 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，需要至少每分钟测量一次水质来训练初始模型。
本研究中使用的随机森林模型具有其优点是在经济上优于复杂的深度学习模型，训练所需的计算资源减少100倍以上。
“这项研究的意义不仅在于开发新的人工智能模型，还在于其应用国家水质管理体系，”Moon 博士说。“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。”
更多信息：Hoo Hugo Kim 等人，从废水电导率分布中解耦离子浓度使用人工智能模型进行电容和电池电极去离子，Water Research (2024)。DOI：10.1016/j.watres.2024.122092