АНАЛІЗ МОДЕЛЕЙ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ВИКОРИСТАННЯ У СФЕРІ ОЦІНЮВАННЯ ЯКОСТІ ВОДИ

Анотація

Якість води безпосередньо впливає на життя людини. Розвиток інструментів штучного інтелекту розширює можливість для ефективного моніторингу за змінами її параметрів та автоматизування процесу виявлення непридатної для споживання води. Застосування штучного інтелекту у сфері водних ресурсів має вагоме значення для безпеки водопостачання та прогнозування стану води. Алгоритми штучного інтелекту можуть швидко обробляти великі масиви даних, виявляти закономірності, які неможливо або важко помітити традиційними методами. У роботі проаналізовано наукові джерела, спрямовані на дослідження можливостей використання штучного інтелекту у сфері водних ресурсів. Досліджено моделі машинного навчання та нейронних мереж, які найчастіше зустрічаються в експериментах з дослідженням якості води, а саме: моделі Random Forest, SVM, k-NN та LSTM. Для розуміння кожної моделі проаналізовано літературу й описано основні їх особливості. Особливо важливим є порівняння ефективності цих моделей і точності, яку вони показують. Також розглянуто приклади практичного застосування нейронних мереж у реальних системах моніторингу якості води.Метод «випадковий ліс» є ансамблевим методом, що базується на побудові множини дерев рішень і демонструє високу ефективність у малих вибірках. SVM будує оптимальну гіперплощину для розділення класів, використовуючи опорні вектори та ядрові функції. Алгоритм k-NN класифікує нові точки за найближчими сусідами, що базується на обраній матриці відстані. Модель LSTM здатна ефективно працювати з послідовними даними, зберігати довгострокові залежності завдяки механізму пам’яті й воротам контролю потоку інформації. Проведено оцінювання експериментів стосовно ефективності моделей, описаних у наукових працях. У результаті визначено найефективнішу модель з погляду точності й швидкості надання інформації про стан води, яка має назву «випадковий ліс». Згідно з експериментами ця модель показує точність визначення якості води більше ніж 90%. Відповідно, її можна використовувати для подальшого впровадження моніторингу якості води з використання пристроїв інтернету речей.