人工智能帮助生产干净的水

韩国科学技术研究院(KIST)孙文博士的研究小组开发了一种利用数据驱动的人工智能技术，可以在电化学水处理过程中准确预测水中离子的浓度。

　　

约有22亿人(占世界人口的四分之一以上)无法获得安全的、经过管理的饮用水，约有一半的世界人口在一年中的某个时候严重缺水。为了克服这些短缺，在下水道灌溉和雨水再利用和海水淡化等替代水源上花费了巨大的社会经济成本。此外，这些集中式配水系统的缺点是不能立即对水需求的变化作出反应。因此，人们对分散的产水技术越来越感兴趣，这些技术是基于电化学的技术，易于采用，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不能测量和跟踪水中的单个离子，并且具有从电导率粗略推断水质状况的局限性。

韩国科学技术研究院(KIST)水资源循环研究中心孙文博士研究组与岭南大学白尚洙教授研究组合作，开发了一种利用数据驱动的人工智能技术，可以准确预测电化学水处理过程中水中离子的浓度。

研究人员首先建立了一个随机森林模型，这是一种用于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技术中的离子浓度。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(R2=~0.9)。他们还发现，为了提高预测的准确性，大约每20-80秒需要更新一次，这意味着为了将这种技术应用于国家水质网络来跟踪特定的离子，有必要至少每分钟测量一次水质，以训练初始模型。本研究中使用的随机森林模型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了100倍以上。

KIST的孙文博士表示，“此次研究的意义不仅在于开发新的人工智能模型，还在于将其应用于全国水质管理体系。”“有了这项技术，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。”