[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-5016897":3},{"id":4,"lead":5,"dasteavalTitle":6,"content":7,"summarizedTitle":6,"summarizedContent":5,"tags":8,"mainCategoryId":10,"sourceName":41,"sourceLogo":42,"publishedDate":43,"originUrl":44,"thumbnail":45,"reactions":46,"mainCategory":47},5016897,"\u003Cul>\u003Cli>🤖 ابداع چارچوب هوش مصنوعی ML-QMRA برای پیش‌بینی آلودگی آب\u003C\u002Fli>\u003Cli>📊 بررسی ۹۵ نمونه آب و ۶ عامل بیماری‌زا میان سال‌های ۲۰۲۴ تا ۲۰۲۵\u003C\u002Fli>\u003Cli>🎯 دقت بیش از ۹۰ درصدی مدل‌های یادگیری ماشین در پیش‌بینی باکتری‌ها\u003C\u002Fli>\u003Cli>💧 شناسایی کدورت آب به عنوان مهم‌ترین عامل پیش‌بینی آلودگی مدفوعی\u003C\u002Fli>\u003Cli>⚠️ هشدار درباره احتمال فراتر رفتن خطر سالمونلا و شیگلا از حد معیار\u003C\u002Fli>\u003C\u002Ful>","هوش مصنوعی خطر آلودگی آب آشامیدنی را تشخیص می‌دهد","\u003Carticle>\n  \u003Cp class=\"lead\">پژوهشگران با تلفیق هوش مصنوعی و ارزیابی کمی خطر میکروبی، چارچوب نوینی برای پیش‌بینی آلودگی و ارتقای ایمنی منابع آب آشامیدنی توسعه داده‌اند.\u003C\u002Fp>\n  \n  \u003Ch2>توسعه چارچوب نوین پایش آب\u003C\u002Fh2>\n  \u003Cp>ایمنی آب آشامیدنی تنها به مرحله تصفیه وابسته نیست، بلکه آگاهی به موقع از حضور میکروارگانیسم‌های مضر در منابع آبی اهمیت حیاتی دارد. در همین راستا، محققان چارچوبی مبتنی بر داده موسوم به \u003Cstrong>«ام‌ال-کیوام‌آرای» (ML-QMRA)\u003C\u002Fstrong> را طراحی کرده‌اند که با بهره‌گیری از شاخص‌های معمول کیفیت آب، غلظت عوامل بیماری‌زا و خطرات احتمالی آنها برای سلامت انسان را پیش‌بینی می‌کند.\u003C\u002Fp>\n  \n  \u003Ch2>ارزیابی نمونه‌ها و محدودیت شاخص‌های سنتی\u003C\u002Fh2>\n  \u003Cp>در این پژوهش که بین ماه‌های مه ۲۰۲۴ تا دسامبر ۲۰۲۵ انجام شد، ۹۵ نمونه آب سطحی از دو منبع بزرگ در شرق چین مورد بررسی قرار گرفت. نتایج نشان داد که اگرچه ارتباط معناداری میان باکتری‌های شاخص مدفوعی وجود دارد، ارتباط آنها با عوامل بیماری‌زای ویروسی اغلب ضعیف و نامنظم است که این امر محدودیت شاخص‌های باکتریایی سنتی را آشکار می‌سازد.\u003C\u002Fp>\n  \n  \u003Csection>\n    \u003Ch3>عملکرد مدل‌های یادگیری ماشین\u003C\u002Fh3>\n    \u003Cp>محققان با مقایسه ۶ روش یادگیری ماشین دریافتند که برخی مدل‌ها توانایی پیش‌بینی میزان باکتری‌های بیماری‌زا را با دقت بیش از \u003Cstrong>۹۰ درصد\u003C\u002Fstrong> دارند. بررسی مدل‌ها با داده‌های جدید اوایل سال ۲۰۲۶ میلادی نیز کارایی بالای آنها را در دوره‌های زمانی جدید تأیید کرد.\u003C\u002Fp>\n  \u003C\u002Fsection>\n  \n  \u003Ch2>عوامل مؤثر بر خطر سلامت آب\u003C\u002Fh2>\n  \u003Cp>ارزیابی‌های انجام شده نشان داد که بیشتر خطرهای برآورد شده پایین‌تر از حد معیار سازمان جهانی بهداشت قرار دارد، اما در شرایط نامطلوب، آلودگی ناشی از سالمونلا، شیگلا و انتروویروس می‌تواند از حد مجاز فراتر رود. همچنین مشخص شد که فرایند گندزدایی، کلیدی‌ترین عامل در کاهش خطرات سلامت است.\u003C\u002Fp>\n  \n  \u003Cblockquote>\n    \u003Cp>«کدر بودن آب، یکی از مهم‌ترین عوامل در پیش‌بینی باکتری‌های شاخص آلودگی مدفوعی است و بین ۴۱.۶ تا ۶۲.۱ درصد از اهمیت پیش‌بینی را به خود اختصاص می‌دهد.»\u003C\u002Fp>\n  \u003C\u002Fblockquote>\n  \n  \u003Ch2>چشم‌انداز آینده در پایش منابع آب\u003C\u002Fh2>\n  \u003Cp>ترکیب مدل‌های یادگیری ماشین با سامانه‌های پایش لحظه‌ای می‌تواند ابزاری کارآمد برای مدیران آب فراهم کند تا دوره‌های افزایش خطر آلودگی را زودتر شناسایی کرده و اقدامات ایمنی هدفمندتری را به اجرا درآورند.\u003C\u002Fp>\n\u003C\u002Farticle>",[9,16,21,25,29,33,37],{"id":10,"name":11,"slug":12,"tagType":13,"createdAt":14,"updatedAt":15,"deletedAt":12},2,"تکنولوژی",null,0,"2024-11-27T13:47:27.935Z","2024-11-27T13:47:28.130Z",{"id":17,"name":18,"slug":12,"tagType":19,"createdAt":14,"updatedAt":20,"deletedAt":12},50,"سلامت",1,"2024-12-21T06:09:41.586Z",{"id":22,"name":23,"slug":12,"tagType":19,"createdAt":24,"updatedAt":24,"deletedAt":12},135,"هوش مصنوعی","2024-12-21T06:10:53.712Z",{"id":26,"name":27,"slug":12,"tagType":19,"createdAt":28,"updatedAt":28,"deletedAt":12},205,"آب آشامیدنی","2025-03-05T12:20:31.458Z",{"id":30,"name":31,"slug":12,"tagType":19,"createdAt":32,"updatedAt":32,"deletedAt":12},6229,"یادگیری ماشین","2025-05-08T08:12:22.501Z",{"id":34,"name":35,"slug":12,"tagType":19,"createdAt":36,"updatedAt":36,"deletedAt":12},18518,"تصفیه آب","2025-06-05T04:53:23.132Z",{"id":38,"name":39,"slug":12,"tagType":19,"createdAt":40,"updatedAt":40,"deletedAt":12},80005,"آلودگی میکروبی","2025-11-15T15:37:19.483Z","ایسنا","https:\u002F\u002Fs3.dasteaval.news\u002Fdasteaval\u002Flogos\u002Fisna-ir.png","2026-08-09T21:09:13.000","https:\u002F\u002Fwww.isna.ir\u002Fnews\u002F1405051910760\u002F%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AE%D8%B7%D8%B1-%D8%A2%D9%84%D9%88%D8%AF%DA%AF%DB%8C-%D8%A2%D8%A8-%D8%A2%D8%B4%D8%A7%D9%85%DB%8C%D8%AF%D9%86%DB%8C-%D8%B1%D8%A7-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D9%85%DB%8C-%D8%AF%D9%87%D8%AF","https:\u002F\u002Fs3.dasteaval.news\u002Fdasteaval\u002Fnews-medias\u002Fnews-media_1786312921344.png",{"counts":12,"selected":12},{"id":10,"name":11,"logo":48,"bgColor":49,"description":50},"technology","#ECE0FC","جدیدترین تحولات تِک رو اینجا دنبال کن!"]