Интеллектуальные алгоритмы для поддержки принятия решений по качеству воды на основе моделей искусственного интеллекта
Боковая панель статьи
Основное содержимое статьи
Аннотация
В данной статье рассматриваются методы анализа состава воды и возможности использования современных технологий. В исследовании были сопоставлены традиционные физические, химические и биологические методы оценки качества воды, а также измерения, выполняемые с использованием сенсорных технологий. Была рассмотрена возможность быстрого и точного определения параметров воды с помощью таких устройств, как Exo2 sonde и TDS сенсор. Кроме того, было показано, что алгоритмы, основанные на искусственном интеллекте, могут классифицировать образцы воды при оценке и анализе качества воды, оценивать их по различным параметрам и группировать по категориям. Также был проведён анализ применения моделей Decision Tree, Random Forest и SVM. Результаты исследования рассмотрели возможности использования систем мониторинга воды как эффективного инструмента, повышающего эффективность и точность.
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Mishra R.K., Dubey S.C. Fresh Water Availability and Its Global Challenge. Journal of Marine Science and Research, 2023.
Boretti A., Rosa L. Reassessing the projections of the World Water Development Report. npj Clean Water, 2019. https://doi.org/10.1038/s41545-019-0039-9.
Misman N.A., Sharif M.F., Chowdhury A.J.K., Azizan N.H. Water pollution and the assessment of water quality parameters: a review. Desalination and Water Treatment, 294, 79–88, 2023.
Atlas Scientific. Water Analysis Methods. Available at: https://atlas-scientific.com/blog/water-analysis-methods/ (accessed: 10 April 2026).
Khamidov I.D., Akhatov A.A., Salimova M.Kh. Determining the Potability of Water Using Machine Learning Based on Data Preprocessing. International Journal of Artificial Intelligence, 2026, Vol. 6, No. 3, pp. 959.
European Commission. Drinking Water: Essential Quality Standards. Available at: https://eur-lex.europa.eu/EN/legal-content/summary/drinking-water-essential-quality-standards.html
YSI (Xylem Inc.). EXO2s Multiparameter Sonde. 2024. Available at: https://www.ysi.com/exo2s (accessed: 10 April 2026).
Kumar V., Sharma A., et al. Water Quality Prediction Using Machine Learning Algorithms: A Review. Journal of Environmental Management, 2022.
Nazarov Fayzulla, Akhatov Abror. Methods for preparing a dataset for determining soil fertility based on artificial intelligence models . (2025). Digital transformation and artificial intelligence, 3(2), 91-99. https://dtai.tsue.uz/index.php/dtai/article/view/v3i215
Guido R., Ferrisi S., Lofaro D., Conforti D. An Overview on the Advancements of Support Vector Machine Models in Healthcare Applications: A Review. Information, 15(4), 235, 2024.
Nazarov F., Yarmatov Sh. Sun’iy intellekt asoslari. 2025, pp. 135–143.
Yarmatov S., Rai H., Absalamova G., Absalamova D. Real Estate Valuation based on XGBoost. In: Proceedings of the 8th International Conference on Future Networks & Distributed Systems (ICFNDS '24). ACM, 2025, pp. 705–709. https://doi.org/10.1145/3726122.3726223
Fayzullo N., Sariyev S., Sherzodjon Y. Analyzing the Effectiveness of Ansambl Methods in Solving Multi-Class Classification Problems. 2025 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russia, pp.788–793.
Dewi D.A., Wei A.S., Lin C.L., Heng C.D. Water Quality Prediction using Random Forest Algorithm and Optimization. Journal of Applied Data Sciences, 2024.
Guido R., Ferrisi S., Lofaro D., Conforti D. An Overview on the Advancements of Support Vector Machine Models in Healthcare Applications: A Review. Information, 15(4), 235, 2024.
Fayzullo N., Sariyev S., Sherzodjon Y. Analyzing the Effectiveness of Ansambl Methods in Solving Multi-Class Classification Problems. SmartIndustryCon 2025, Sochi, Russia, pp. 788–793. https://doi.org/10.1109/SmartIndustryCon65166.2025.10986248
Patil S.V., Wankhade N.R., Bagal S.B., Patel M.T. Water Quality Analysis and Prediction Using Machine Learning (SVM included). Journal of Information Systems Engineering and Management.
Seviya T., Hakim L. Water Quality Classification Using Support Vector Machine with PSO-Based Parameter Optimization. Information Technology Education Journal, 2025.
Uddin B., Marimin, et al. Integration of RF-SVM Hybrid Model for Water Quality Prediction. Journal of Information Systems Engineering and Management, 2025.