Machine learning and transport simulations for groundwater anomaly detection
Machine learning and transport simulations for groundwater anomaly detection
复制标题
用于地下水异常检测的机器学习和传输模拟
DOI：
10.1016/j.cam.2020.112982
复制
发表时间：
2020
影响因子：
2.4
通讯作者：
Carlson, Kenneth H.
中科院分区：
文献类型：
--
作者：
Liu, Jiangguo;Gu, Jianli;Li, Huishu;Carlson, Kenneth H.
本文对地下水异常探测的建模和算法进行了研究。具体来说，使用电导率和其他四种替代指标来识别地下水异常，使用一类支持向量机（1-SVM）技术进行模型训练，并使用来自colorado Water Watchis的真实数据来测试模型和算法。简要讨论了pythonis代码模块的设计。由于地下水污染在现实中很少发生，我们也使用了多孔介质中流动和输运数值模拟的合成数据来测试该模型的异常检测。
This paper presents studies on modeling and algorithms for groundwater anomaly detection. Specifically, conductivity along with four other surrogates are used for identifying anomaly in groundwater, the one-class support vector machine (1-SVM) technique is utilized for model training, and real data fromColorado Water Watchis used for testing the model and algorithms. Design of code modules inPythonis briefly discussed. Since groundwater contamination rarely happens in reality, we also use synthetic data from numerical simulations of flow and transport in porous media to test this model for anomaly detection.
登录
查看更多内容
双组分混合系统上基于智能一级技术的异常值生成和异常检测
DOI：
--
发表时间：
2019
期刊：
Soft Computing Models in Industrial and Environmental Applications
影响因子：
--
作者：
Esteban Jove;J. Casteleiro;Héctor Quintián;J. A. M. Pérez;J. Calvo
通讯作者：
J. Calvo
影响因子：
12.8
作者：
Seshan, Hari;Goyal, Manish K.;Wuertz, Stefan
通讯作者：
Wuertz, Stefan
影响因子：
3.1
作者：
Liu, Jiangguo;Tavener, Simon;Wang, Zhuoran
通讯作者：
Wang, Zhuoran
结合监督和非监督方法的地下水质量评估
影响因子：
--
作者：
Romy Ratolojanahary;R. H. Ngouna;K. Medjaher;F. Dauriac;M. Sebilo
通讯作者：
M. Sebilo
科罗拉多州北部瓦滕贝格油气田地下水甲烷的分布和来源。
影响因子：
11.4
作者：
Huishu Li;K. Carlson
通讯作者：
K. Carlson