弗林特水危机：基于住宅水质检测的数据驱动风险评估
机器学习
2016-10-04 v1 应用统计
摘要
水质检测过程和污染原因的不确定性阻碍了弗林特水危机的恢复工作。在这项工作中，我们开发了一个预测模型集成来评估单个住宅和社区的铅污染风险。为了训练这些模型，我们利用了广泛的数据源，包括自愿的住宅水质检测、历史记录和城市基础设施数据。此外，我们使用我们的模型来识别导致高铅污染风险的最突出因素。在此分析中，我们发现铅质供水管线并不是预测水铅污染风险的唯一因素。这些结果可用于指导弗林特的长期恢复工作，最小化直接损害，并改善类似水基础设施危机的资源分配决策。
引用
@article{arxiv.1610.00580,
title = {Flint Water Crisis: Data-Driven Risk Assessment Via Residential Water Testing},
author = {Jacob Abernethy and Cyrus Anderson and Chengyu Dai and Arya Farahi and Linh Nguyen and Adam Rauh and Eric Schwartz and Wenbo Shen and Guangsha Shi and Jonathan Stroud and Xinyu Tan and Jared Webb and Sheng Yang},
journal= {arXiv preprint arXiv:1610.00580},
year = {2016}
}
备注
Presented at the Data For Good Exchange 2016