Resumen

Con el objetivo de abordar los problemas de que el modelo tradicional de predicción de calidad del agua generalmente no es alto en precisión de predicción y robustez, se propone una predicción de contaminación del agua utilizando aprendizaje profundo en el monitoreo del big data del ambiente acuático. Para optimizar y mejorar la precisión de predicción del modelo de predicción de calidad del agua. En primer lugar, en el sistema de monitoreo del ambiente acuático, se utiliza la tecnología de big data de Internet de las cosas para detectar y monitorear con precisión los datos en tiempo real de los equipos de tratamiento de aguas residuales y la calidad de las aguas residuales. Luego, se utiliza la red de creencias profundas (DBN) para construir el modelo de predicción de contaminación del agua, y se analizan los datos recopilados del tratamiento de aguas residuales para predecir el estado de la calidad del agua. Finalmente, se utiliza el algoritmo de optimización de enjambre de partículas para optimizar dinámicamente el número de unidades neuronales

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Tradicional; Modelo de predicción de calidad del agua; Aprendizaje profundo; Big data; Internet de las cosas; Modelo de predicción de contaminación
• Keywords:Traditional; Water quality prediction model; Deep learning; Big data; Internet of Things; Pollution prediction model