L'IA prédictive cible les sites à risque pour une surveillance améliorée des eaux souterraines

ParisLes chercheurs ont mis au point un nouvel outil d'apprentissage automatique pour améliorer le suivi de la qualité des eaux souterraines. Cet outil identifie les zones à risque élevé de contamination, même avec peu de données disponibles. Il est d'abord utilisé en Arizona et en Caroline du Nord, mais peut être adapté à d'autres régions. Les eaux souterraines peuvent contenir des substances nocives comme l'arsenic et le plomb, d'où l'importance de ce suivi. Tester ces eaux peut être coûteux et complexe, rendant cette nouvelle méthode nécessaire.

Le modèle d'apprentissage automatique analyse un ensemble étendu d'enregistrements sur la qualité des eaux souterraines datant de 140 ans. Cela inclut plus de 20 millions de données couvrant plus de 50 paramètres de qualité de l'eau. Grâce à ces informations, l'IA peut prévoir la présence et le niveau de divers polluants inorganiques, même avec un nombre restreint de paramètres. Les premiers résultats révèlent une divergence entre les données actuelles et les prédictions de l'IA sur les sites conformes aux normes de sécurité. Par exemple, les données sur le terrain indiquent que 75 à 80 % des lieux respectent les normes de sécurité, tandis que l'IA estime que seuls 15 à 55 % d'entre eux pourraient réellement être sûrs.

Le modèle facilite la répartition des ressources pour se concentrer sur les zones les plus à risque en prenant en compte les facteurs suivants :

• Relation avec les données géologiques et environnementales
• Schémas historiques de présence de certains polluants
• Éléments bénéfiques pour l'agriculture mais nuisibles dans d'autres contextes

Lisez aussi:

15 novembre 2024 · 02:13

Une étude dévoile l'impact de l'IA sur l'exactitude diagnostique des médecins

Cette méthode vise à assister les agences d'État et les gouvernements locaux à affecter des ressources aux zones les plus nécessiteuses, optimisant ainsi les tests et le traitement de l'eau. En mettant régulièrement à jour le modèle avec des données provenant de tous les États-Unis et de nouvelles informations environnementales, les chercheurs espèrent augmenter sa précision au fil du temps.

L'étude examine comment le modèle peut suivre les niveaux de phosphore, essentiels pour l'agriculture mais potentiellement nuisibles pour l'environnement. L'objectif principal est que le modèle aide à gérer l'utilisation du phosphore dans différents écosystèmes. En améliorant cet outil d'intelligence artificielle, les scientifiques visent à rendre l'eau plus sûre dans le monde, améliorant ainsi la santé environnementale et publique. Les chercheurs espèrent que cela permettra une meilleure surveillance des nouveaux polluants.