Estimation of total dissolved solids (TDS) using new hybrid machine learning models

Banadkooki, Fatemeh Barzegari; Ehteram, Mohammad; Panahi, Farhad; Sammen, Saad Sh.; Othman, Faridah; El-Shafie, Ahmed

doi:10.1016/j.jhydrol.2020.124989

Cited by 79 publications

(31 citation statements)

References 56 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Asadollahfardi et al (2016) selected HCO3, pH, Na, Mg, carbonate (CO3), Ca, and chloride (Cl) as input variables for the TDS study. Barzegari-Banadkook et al (2020) considered the Na, HCO3, Mg, Ca, Cl, and sulfate (SO4) for the TDS study. In this study, Bicarbonate (HCO3), Calcium (Ca), Sodium (Na), Magnesium (Mg) were considered…”

Section: Case Study and Sampling Locationsmentioning

confidence: 99%

An integrated machine learning, noise suppression, and population-based algorithm to improve total dissolved solids prediction

Sun

Rajabtabar

Phillips

et al. 2021

Engineering Applications of Computational Fluid Mechanics

View full text Add to dashboard Cite

Monitoring the water contaminants is of utmost importance in water resource management. Prediction of the total dissolved solid (TDS) is particularly essential for water quality management and planning in the areas exposed to a mixture of pollutants. TDS primarily includes inorganic minerals and organic matters, and various salts and increasing the concentration of TDS causes the esthetic problems. The reflection of the pollutant burden of the aquatic system can remarkably determined by TDS magnitudes. This study focuses on the prediction of TDS and several biochemical parameters such as Na, Ca, HCO3, and Mg in a river system. To overcome nonstationarity, randomness, and nonlinearity of the TDS data, a multi-step supervised machine learning evolutionary algorithm (MSM-LEA) is proposed to improve the model's performance at two gaging stations, namely Rig-Cheshmeh and Soleyman-Tangeh, in the Tajan River, Iran. In addition, a hybrid model that recruits intrinsic time-scale decomposition (ITD) for frequency resolution of the input data as well as a multivariate adaptive regression spline (MARS) were adopted. A novel metaheuristic optimization algorithm, crow search algorithm (CSA), was also implemented to compute the optimal parameter values for the MARS model. To validate the proposed hybrid model, standalone MARS, empirical mode decomposition (EMD)-based models, and hybrid ITD-MARS as well as a MARS-CSA were considered as the benchmark models. Results suggest the ITD-MARS-CSA outperforms other models.

show abstract

Section: Case Study and Sampling Locationsmentioning

confidence: 99%

An integrated machine learning, noise suppression, and population-based algorithm to improve total dissolved solids prediction

Sun

Rajabtabar

Phillips

et al. 2021

Engineering Applications of Computational Fluid Mechanics

View full text Add to dashboard Cite

show abstract

“…Bước này thường được thực hiện bằng cách thử và sai để đảm bảo rằng mô hình có thể đạt được hiệu quả tối ưu [13]. Sau khi thực hiện, bộ dữ liệu được chia thành hai phần phục vụ cho quá trình huấn luyện và kiểm tra, cụ thể 75% (185 dữ liệu/1 thông số) được sử dụng cho quá trình huấn luyện và 25% (61 dữ liệu/1 thông số) được sử dụng cho quá trình kiểm tra mô hình, tỷ lệ này cũng đã được áp dụng và đạt hiệu quả cao trong một số nghiên cứu ứng dụng mô hình trí tuệ nhân tạo để dự báo chất lượng nước như nghiên cứu [14][15][16].…”

Section: Phân Chia Dữ Liệuunclassified

Xây dựng mô hình dự báo BOD5 cho hạ lưu sông Sài Gòn – Đồng Nai dựa trên các mạng nơ–ron nhân tạo MLP và RBF

Thúy¹,

Nhi²,

Măn³

et al. 2021

VNJHM

View full text Add to dashboard Cite

Tóm tắt: Nhu cầu oxy sinh hóa (BOD) là thông số chất lượng nước quan trọng để đánh giá mức độ ô nhiễm của nước trên các sông, hồ. Tuy nhiên, việc xác định nồng độ BOD 5 trong nước theo các phương pháp phân tích trong phòng thí nghiệm thường mất nhiều thời gian (5 ngày). Mục tiêu của nghiên cứu là xây dựng mô hình dự báo thông số BOD 5 dựa trên hai mô hình nơ-ron nhân tạo là MLP và RBF tại hạ lưu sông Sài Gòn-Đồng Nai và đánh giá hiệu quả dự báo giữa hai mô hình. Bảy kịch bản được xây dựng dựa trên tương quan riêng phần giữa thông số BOD 5 với các thông số chất lượng nước khác bao gồm COD, DO, TSS, Coliform, P-PO 4 3-, T và N-NH 4 + . Bộ dữ liệu bao gồm 08 thông số chất lượng nước theo tháng từ 2013-2018 và được chia thành hai phần theo tỷ lệ 75:25 phục vụ huấn luyện và kiểm tra các mô hình. Kết quả nghiên cứu cho thấy, cả hai mô hình MLP và RBF đều có khả năng dự báo tốt BOD 5 tại khu vực, tuy nhiên mô hình RBF với 05 thông số đầu vào (COD, DO, TSS, Coliform, P-PO 4 3-) cho kết quả dự báo tốt nhất với NSE = 0,855, R 2 = 0,9, RMSE = 0,529 cho quá trình huấn luyện và NSE = 0,848, R 2 = 0,865, RMSE = 0,454 cho quá trình kiểm tra. Kết quả nghiên cứu này cũng là nền tảng phục vụ cho việc dự báo các thông số chất lượng nước khác, cũng như dự báo ngắn hạn BOD 5 trong khu vực nghiên cứu.

show abstract

“…The performance of the models indicated the relative superiority of the EPR approach to the GEP and MT models. Deterministic and numerical models have been applied extensively to model water quality; the counting convolutional neural network (CCNN) model has high accuracy for estimating the DO concentration (Zounemat-Kermani et al 2019). Barzegari Banadkooki et al (2020 used ANN, ANFIS, SVM to predict the TDS.…”

Section: Introductionmentioning

confidence: 99%

A Novel LSSVM Model Integrated with GBO Algorithm to Assessment of Water Quality Parameters

Kadkhodazadeh

Farzin

2021

Water Resour Manage

View full text Add to dashboard Cite

In this study, a novel least square support vector machine (LSSVM) model integrated with gradient-based optimizer (GBO) algorithm is introduced for assessment of water quality parameters. For this purpose, three stations including Ahvaz, Armand, and Gotvand in the Karun river basin have been selected to model electrical conductivity (EC), and total dissolved solids (TDS). First, to prove the superiority of the LSSVM-GBO algorithm, the performance is evaluated with three benchmark datasets (Housing, LVST, Servo). Then, the results of the new hybrid algorithm were compared with those of artificial neural network (ANN), adaptive neuro-fuzzy interface system (ANFIS), and LSSVM algorithms. Input combination for assessment of water quality parameters EC and TDS consists of Ca + 2 , Cl -1 , Mg + 2 , Na + 1 , SO4, HCO3, sodium absorption ratio (SAR), sum cation (Sum.C), sum anion (Sum.A), PH, and Q. The modelling results based on evaluation criteria showed the significant performance of LSSVM-GBO among all benchmark datasets and algorithms. Other results showed that in Ahvaz station, Sum.C, Sum.A, and Na +1 parameters, and in Gotvand and Armand stations, Sum.C, Sum.A, and Cl -1 parameters have the greatest impact on modelling EC and TDS parameters. In the next step, EC and TDS modelling was performed based on the best input combination and the best algorithm in Mojtaba Kadkhodazadeh

show abstract

Estimation of total dissolved solids (TDS) using new hybrid machine learning models

Cited by 79 publications

References 56 publications

An integrated machine learning, noise suppression, and population-based algorithm to improve total dissolved solids prediction

An integrated machine learning, noise suppression, and population-based algorithm to improve total dissolved solids prediction

Xây dựng mô hình dự báo BOD5 cho hạ lưu sông Sài Gòn – Đồng Nai dựa trên các mạng nơ–ron nhân tạo MLP và RBF

A Novel LSSVM Model Integrated with GBO Algorithm to Assessment of Water Quality Parameters

Contact Info

Product

Resources

About