Інформаційні та лазерні технології оцінювання киснево-вуглецевого балансу забруднення екологічного середовища DOI Creative Commons
Lubomyr Sikora, Natalya Lysa,

Н. А. Хиляк

и другие.

Scientific Bulletin of UNFU, Год журнала: 2024, Номер 34(8)

Опубликована: Дек. 23, 2024

Проаналізовано сучасний етап розвитку виробництва електроенергії, хімічної, машинобудівної, поліграфічної продукції, для якого характерно використання широкої гами ресурсних компонент – вугілля, нафти, газу, фарб, полімерів, які є екологічно агресивними. Напружені виробничі режими, що диктуються ринком, призводять до стрімкого збільшення споживання ресурсів енергоактивних виробничих процесів, зумовлюючи, водночас, концентрації викидів пилу і шкідливих газів рідин в атмосферу й водне середовище. Це спричиняє підвищення екологічного забруднення навколишнього середовища, стан не завжди можна оперативно оцінити реальному часі за складності відбору даних стандартними методами та загрозливість ситуацій. Вирішення завдання комплексного екомоніторингу розроблення оптимальних стратегій управління технологічними режимами, забезпечили б високу продуктивність мінімізували шкідливі викиди, ґрунтується на сучасних системних інформаційних технологіях, створенні нових типів сенсорів інформаційно-вимірювальних систем. Опрацювання технологічних основою формування оцінювання образу екологічної ситуації стану виробництв ухвалення рішень. Відбір додаткових про екологічні потрібно доповнювати даними зі залученням експертних знань, відповідно дає інформаційну базу визначення рівня загроз забруднювальних екосистему потребує методів захисту екомоніторингу. Для контролю технологічного процесів середовища мати комплекс систем, забезпечують відбір різнорідних від об'єктів параметрів стану, інформаційні технології інтерпретації образів ситуацій, сформульованих із блоків відібраних термінальних виявлення їх інтелектуального змісту щодо цільового техногенного виробничо-екологічного комплексу. Важливою особливістю цього проблемного пошук реєстрації довготривале зберігання нормальних аварійних тому без вирішення цієї проблеми втрачаються дані, інженерні знання способи ліквідації аварій, ефективних протиаварійних рішень способів наслідків аварій катастроф у техногенних соціально-комунальних структурах регіональної системи.

Recent Developments in Heavy Metals Detection: Modified Electrodes, Pretreatment Methods, Prediction Models and Algorithms DOI Creative Commons
Yujie Shi, Shijie Zhang, Hang Zhou

и другие.

Metals, Год журнала: 2025, Номер 15(1), С. 80 - 80

Опубликована: Янв. 17, 2025

Heavy metal pollution has become an increasingly serious environmental issue, making the detection of heavy metals essential for safeguarding public health and environment. This review aims to highlight commonly used methods detecting (such as atomic absorption spectroscopy (AAS), emission (AES), inductively coupled plasma–mass spectrometry (ICP-MS), square-wave anodic stripping voltammetry (SWASV), etc.), with a particular focus on electrochemical electrode modification materials. Metal nanomaterials titanium dioxide (TiO2), copper oxide (CuO), ZIF-8, MXene, etc.) are emphasized promising candidates enhancing performance sensors due their high surface area excellent catalytic properties. However, challenges such interference from non-target ions formation organometallic complexes organic compounds can complicate process. To address these issues, two potential solutions have been proposed: development advanced algorithms machine learning (ML), back-propagation neural network (BPNN), support vector machines (SVM), random forests (RF), signal processing use pretreatment Fenton oxidation (FO), ozone oxidation, photochemical oxidation) suppress interferences. paper metals, emphasis techniques. It will also faced in methods, sensitivity limitations, propose innovative solutions, including improved sensor integration techniques enhance accuracy.

Язык: Английский

Процитировано

3
What Does the “Trojan Horse” Carry? The Pollutants Associated with Microplastics/Nanoplastics in Water Environments DOI

Seyed Hesam‐Aldin Samaei,

Parnian Mojahednia,

J.P. Chen

и другие.

ACS ES&T Water, Год журнала: 2025, Номер unknown

Опубликована: Март 18, 2025

Язык: Английский

Процитировано

1
Artificial intelligence for life sciences: A comprehensive guide and future trends DOI

Ming Luo,

Wenyu Yang, Long Bai

и другие.

The Innovation Life, Год журнала: 2024, Номер unknown, С. 100105 - 100105

Опубликована: Янв. 1, 2024

<p>Artificial intelligence has had a profound impact on life sciences. This review discusses the application, challenges, and future development directions of artificial in various branches sciences, including zoology, plant science, microbiology, biochemistry, molecular biology, cell developmental genetics, neuroscience, psychology, pharmacology, clinical medicine, biomaterials, ecology, environmental science. It elaborates important roles aspects such as behavior monitoring, population dynamic prediction, microorganism identification, disease detection. At same time, it points out challenges faced by application data quality, black-box problems, ethical concerns. The are prospected from technological innovation interdisciplinary cooperation. integration Bio-Technologies (BT) Information-Technologies (IT) will transform biomedical research into AI for Science paradigm.</p>

Язык: Английский

Процитировано

6
Spatial distribution, sediment‒water partitioning, risk assessment and source apportionment of heavy metals in the Golmud River-Dabson Salt Lake ecosystem DOI
Yuhao Wang, Juan Zhang,

Qunxiong Yan

и другие.

Environmental Research, Год журнала: 2025, Номер 268, С. 120792 - 120792

Опубликована: Янв. 8, 2025

Язык: Английский

Процитировано

0
Artificial Intelligence for Big Data in Modern Marketing: A Review about Trends, Applications, and Challenges. DOI Creative Commons

Chantal Uwimana,

Clemence Niyigena,

Gedeon Nshutiyimana

и другие.

International Journal of Latest Technology in Engineering Management & Applied Science, Год журнала: 2025, Номер 14(2), С. 165 - 183

Опубликована: Март 13, 2025

Abstract: The rapid digital transformation has triggered an explosion in data generation, with its core impact on the marketing landscape. Big data, huge volumes, speed, and variety, is thus a significant field of opportunities challenges for marketers seeking to unravel actionable insights. Traditional approaches processing are only inefficient unable manage such scale complexity data. However, advent AI, quite few advanced tools can handle big greater efficiency, enabling better consumer understanding, personalization strategies, quick decision-making. It revolutionized marketing, where systems now analyze datasets, recognize patterns, predict customer behaviors. From descriptive analytics, shift toward predictive prescriptive empowered businesses optimize campaigns enhanced experiences. This integration AI means it be done instantly, real-time response fostering more relevant engagement. review delivers critical outlook current trends their application face implementing these new technologies. Ethical issues around privacy, transparency, bias models discussed. paper highlights future research directions, including federated learning, quantum computing, multimodal which hold great promise even further domain.

Язык: Английский

Процитировано

0
Prediction of Vanadium Contamination Distribution Pattern Through Remote Sensing Image Fusion and Machine Learning DOI Creative Commons

Z. G. Zhao,

Yuman Sun, Weiwei Jia

и другие.

Remote Sensing, Год журнала: 2025, Номер 17(7), С. 1164 - 1164

Опубликована: Март 25, 2025

Soil vanadium contamination poses a significant threat to ecosystems. Hyperspectral remote sensing plays critical role in extracting spectral features of heavy metal contamination, mapping its spatial distribution, and monitoring trends over time. This study targets vanadium-contaminated area Panzhihua City, Sichuan Province. sampling measurements occurred the laboratory. (Gaofen-5, GF-5) multispectral (Gaofen-2, GF-2; Sentinel-2) images were acquired preprocessed, feature bands extracted by combining laboratory data. A dual-branch convolutional neural network (DB-CNN) fused hyperspectral confirmed fusion’s effectiveness. Six prevalent machine learning models adopted, unified framework leveraged Random Forest (RF) as second-layer model enhance predictive performance these base models. Both ensemble evaluated based on accuracy. The fusion process enhanced models, improving R2 values for (V) pentavalent (V5+) from 0.54 0.3 0.58 0.39, respectively, at 4 m resolution. Further optimization using RF refine Extreme Trees (ETs) significantly increased 0.83 0.75 V V5+, this scale. 934 nm 464 wavelengths identified most predicting soil contamination. integrated approach robustly delineates distribution characteristics V5+ soils, facilitating precise ecological risk assessments through comparative analysis accuracy across diverse

Язык: Английский

Процитировано

0
Leveraging ionic information for machine learning-enhanced source identification in integrated wastewater treatment plant DOI

Yaorong Shu,

Fanming Kong,

Xia Li

и другие.

Journal of Water Process Engineering, Год журнала: 2025, Номер 74, С. 107784 - 107784

Опубликована: Апрель 23, 2025

Язык: Английский

Процитировано

0
Screening of Practical Low-accumulating Crops in Cadmium-polluted Farmland: A Field Survey and Field Trail in Guangdong Province, China DOI
Jianbin Deng,

Zhaoxin Xu,

Yuan Dai

и другие.

Journal of Cleaner Production, Год журнала: 2024, Номер unknown, С. 144508 - 144508

Опубликована: Дек. 1, 2024

Язык: Английский

Процитировано

1
Інформаційні та лазерні технології оцінювання киснево-вуглецевого балансу забруднення екологічного середовища DOI Creative Commons
Lubomyr Sikora, Natalya Lysa,

Н. А. Хиляк

и другие.

Scientific Bulletin of UNFU, Год журнала: 2024, Номер 34(8)

Опубликована: Дек. 23, 2024

Проаналізовано сучасний етап розвитку виробництва електроенергії, хімічної, машинобудівної, поліграфічної продукції, для якого характерно використання широкої гами ресурсних компонент – вугілля, нафти, газу, фарб, полімерів, які є екологічно агресивними. Напружені виробничі режими, що диктуються ринком, призводять до стрімкого збільшення споживання ресурсів енергоактивних виробничих процесів, зумовлюючи, водночас, концентрації викидів пилу і шкідливих газів рідин в атмосферу й водне середовище. Це спричиняє підвищення екологічного забруднення навколишнього середовища, стан не завжди можна оперативно оцінити реальному часі за складності відбору даних стандартними методами та загрозливість ситуацій. Вирішення завдання комплексного екомоніторингу розроблення оптимальних стратегій управління технологічними режимами, забезпечили б високу продуктивність мінімізували шкідливі викиди, ґрунтується на сучасних системних інформаційних технологіях, створенні нових типів сенсорів інформаційно-вимірювальних систем. Опрацювання технологічних основою формування оцінювання образу екологічної ситуації стану виробництв ухвалення рішень. Відбір додаткових про екологічні потрібно доповнювати даними зі залученням експертних знань, відповідно дає інформаційну базу визначення рівня загроз забруднювальних екосистему потребує методів захисту екомоніторингу. Для контролю технологічного процесів середовища мати комплекс систем, забезпечують відбір різнорідних від об'єктів параметрів стану, інформаційні технології інтерпретації образів ситуацій, сформульованих із блоків відібраних термінальних виявлення їх інтелектуального змісту щодо цільового техногенного виробничо-екологічного комплексу. Важливою особливістю цього проблемного пошук реєстрації довготривале зберігання нормальних аварійних тому без вирішення цієї проблеми втрачаються дані, інженерні знання способи ліквідації аварій, ефективних протиаварійних рішень способів наслідків аварій катастроф у техногенних соціально-комунальних структурах регіональної системи.

Процитировано

0