Förutse organiska mikroföroreningar i vattenmiljöer: En maskininlärningsmetod
NYCKELPUNKTER- organic micropollutants
- machine learning
- monitoring
Översikt
Medverkande
Mer relaterad forskning
Globala mål
- 3. Hälsa och välbefinnande
- 6. Rent vatten och sanitet
- 9. Hållbar industri, innovationer och infrastruktur
Kort om projektet
Förorening av akvatiska ekosystem med organiska mikroföroreningar (OMP) — inklusive läkemedel, kroppsvårdsprodukter, hormoner, bekämpningsmedel och rengöringsmedel — är ett växande problem på grund av deras potentiellt toxiska och bioackumulerande effekter.
Identifiering och övervakning av OMP kräver ofta avancerade och kostsamma analystekniker som inte alltid är tillgängliga. Detta projekt använder maskininlärning för att förbättra övervakningen och hanteringen av OMP i svenska vatten. Vår metod omfattar:
- Prediktiv modellering — användning av miljödata för att uppskatta koncentrationer av OMP på ett kostnadseffektivt sätt.
- Variabelselektion — identifiering av viktiga miljöfaktorer som påverkar nivåerna av OMP.
- Anomalidetektion — identifiering av ovanliga mönster för att stödja system för tidig varning.
Vi strävar efter att utveckla robusta modeller som kan förutsäga mönster av OMP i ytvatten baserat på halter i avloppsvatten. Detta kan bidra till att bedöma risker, vägleda behovet av reningsåtgärder och förebygga överskridanden av miljömässiga gränsvärden.
Projektmedlemmar:
Michael C. Welle, PhD, forskare(KTH).
