Un enfoque novedoso para predecir la contaminación por metales pesados basado en un sistema de inferencia neurodifuso adaptativo y SIG en un ecosistema árido
Autores: Mohamed, Elsayed Said; Jalhoum, Mohamed E. M.; Belal, Abdelaziz A.; Hendawy, Ehab; Azab, Yara F. A.; Kucher, Dmitry E.; Shokr, Mohamed. S.; El Behairy, Radwa A.; El Arwash, Hasnaa M.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un enfoque novedoso para predecir la contaminación por metales pesados basado en un sistema de inferencia neurodifuso adaptativo y SIG en un ecosistema árido
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Contaminación del suelo agrícola
Metales pesados
ANFIS
Tecnología de inteligencia artificial
SIG
Contaminación del suelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
El problema de la contaminación del suelo agrícola es especialmente importante ya que afecta directamente la calidad de los alimentos y la vida de humanos y animales. La contaminación del suelo está vinculada a las actividades humanas y prácticas agrícolas. El objetivo principal de este estudio es evaluar y predecir la contaminación del suelo por metales pesados utilizando un método innovador basado en el sistema de inferencia neurodifusa adaptativa (ANFIS), una tecnología efectiva de inteligencia artificial, y SIG en un entorno semiárido y seco. Un total de 150 muestras de suelo fueron recolectadas aleatoriamente en el área cercana al drenaje de Bahr El-Baqar. Se empleó kriging ordinario (OK) para generar mapas de patrones espaciales para los siguientes metales pesados: cromo (Cr), hierro (Fe), cadmio (Cd) y níquel (Ni). El sistema de inferencia neurodifusa adaptativa (ANFIS), conocido como una de las aplicaciones más efectivas de inteligencia artificial (IA), se utilizó para predecir la contaminación del suelo por los metales pesados seleccionados (Cr, Fe, Cd y Ni). En total se utilizaron 150 muestras, 136 muestras de suelo se utilizaron para el entrenamiento y 14 para las pruebas. Los resultados de predicción de ANFIS se compararon con los resultados experimentales; esta comparación demostró su efectividad, ya que el error cuadrático medio (RMSE) fue de 0,048594 en entrenamiento y 0,0687 en pruebas, lo cual es un resultado aceptable. Los resultados mostraron que tanto los modelos exponencial como esférico eran bastante adecuados para Cr, Fe y Ni. Los valores de correlación (R) estuvieron cerca de uno en entrenamiento y prueba; sin embargo, el modelo estable se desempeñó bien con Cd. La alta concentración de metales pesados fue la más prevalente, abarcando aproximadamente el 51,6% del área de estudio. Además, la concentración promedio de metales pesados en este grado fue de 82,86 +/- 15,59 mg kg para Cr, 20.963,84 +/- 4447,83 mg kg para Fe, 1,46 +/- 0,42 mg kg para Cd y 48,71 +/- 11,88 mg kg para Ni. La comparación demuestra claramente que utilizar el modelo ANFIS es una opción superior para predecir el nivel de contaminación del suelo. En última instancia, estos hallazgos pueden servir como base para que los tomadores de decisiones desarrollen medidas aceptables para mitigar la contaminación por metales pesados.
Descripción
El problema de la contaminación del suelo agrícola es especialmente importante ya que afecta directamente la calidad de los alimentos y la vida de humanos y animales. La contaminación del suelo está vinculada a las actividades humanas y prácticas agrícolas. El objetivo principal de este estudio es evaluar y predecir la contaminación del suelo por metales pesados utilizando un método innovador basado en el sistema de inferencia neurodifusa adaptativa (ANFIS), una tecnología efectiva de inteligencia artificial, y SIG en un entorno semiárido y seco. Un total de 150 muestras de suelo fueron recolectadas aleatoriamente en el área cercana al drenaje de Bahr El-Baqar. Se empleó kriging ordinario (OK) para generar mapas de patrones espaciales para los siguientes metales pesados: cromo (Cr), hierro (Fe), cadmio (Cd) y níquel (Ni). El sistema de inferencia neurodifusa adaptativa (ANFIS), conocido como una de las aplicaciones más efectivas de inteligencia artificial (IA), se utilizó para predecir la contaminación del suelo por los metales pesados seleccionados (Cr, Fe, Cd y Ni). En total se utilizaron 150 muestras, 136 muestras de suelo se utilizaron para el entrenamiento y 14 para las pruebas. Los resultados de predicción de ANFIS se compararon con los resultados experimentales; esta comparación demostró su efectividad, ya que el error cuadrático medio (RMSE) fue de 0,048594 en entrenamiento y 0,0687 en pruebas, lo cual es un resultado aceptable. Los resultados mostraron que tanto los modelos exponencial como esférico eran bastante adecuados para Cr, Fe y Ni. Los valores de correlación (R) estuvieron cerca de uno en entrenamiento y prueba; sin embargo, el modelo estable se desempeñó bien con Cd. La alta concentración de metales pesados fue la más prevalente, abarcando aproximadamente el 51,6% del área de estudio. Además, la concentración promedio de metales pesados en este grado fue de 82,86 +/- 15,59 mg kg para Cr, 20.963,84 +/- 4447,83 mg kg para Fe, 1,46 +/- 0,42 mg kg para Cd y 48,71 +/- 11,88 mg kg para Ni. La comparación demuestra claramente que utilizar el modelo ANFIS es una opción superior para predecir el nivel de contaminación del suelo. En última instancia, estos hallazgos pueden servir como base para que los tomadores de decisiones desarrollen medidas aceptables para mitigar la contaminación por metales pesados.