Сахраи А., Чаморро А., Крафт П., Брейер Л. Применение моделей машинного обучения для прогнозирования максимальных долей воды в речных стоках. Границы в воде. 2021;3:52. Доступно по адресу: https://dx.doi.org/10.3389/frwa.2021.652100

.

Мохапатра Дж. Б., Джа П., Джа М. К., Бисвал С. Эффективность методов машинного обучения при прогнозировании колебаний уровня грунтовых вод в агроэкологических зонах Индии. Наука о полной окружающей среде. 2021;785:147319. Доступно по адресу: https://dx. doi.org/10.1016/j.scitotenv.2021.147319

.

Сингха С., Пасупулети С., Сингха С. С., Сингх Р., Кумар С. Прогноз качества подземных вод с использованием эффективного метода машинного обучения. Хемосфера. 2021;276:130265. Доступно по адресу: https://dx.doi.org/10.1016/j.chemosphere.2021.130265

.

Hou D, Song X, Zhang G, Zhang H, Loaiciga H. Система раннего предупреждения и контроля для защиты качества городской питьевой воды: опыт Китая. Наука об окружающей среде и исследование загрязнения. 2013;20(7):4496–4508. Доступно по адресу: https://dx.doi.org/10.1007/s11356-012-1406-y

.

Bassiliades N, Antoniades I, Hatzikos E, Vlahavas I, Koutitas G. Интеллектуальная система мониторинга и прогнозирования качества воды. В: Proc. Европейской конференции TOWARDS eENVIRONMENT. (стр. 534-542) 2009.

София СГГ, Шармила В.К., Сучитра С., Мутху Т.С., Павитра Б. Управление водными ресурсами с использованием машинного обучения на основе генетических алгоритмов. Мягкие вычисления. 2020;24(22):17153–17165. Доступно по адресу: https://dx.doi.org/10.1007/s00500-020-05009.-0

Алахмади ФС. Категоризация качества подземных вод с помощью неконтролируемого машинного обучения в Медине. Материалы Международной конференции по геоинформатике (IGC2019). 2019. Доступно по адресу: www.researchgate.net/publication/332244617

.

Иноуэ Дж., Ямагата Ю., Чен Ю., Поскитт К.М., Сан Дж. Обнаружение аномалий в системе очистки воды с использованием неконтролируемого машинного обучения. В: Международная конференция IEEE по семинарам по интеллектуальному анализу данных (ICDMW), 2017 г. IEEE. 2017.

Юварадж Н., Ануша К., Меагаварша Р. Система медицинских рекомендаций для населенных пунктов, пострадавших от воды, с использованием алгоритмов машинного обучения. Международный журнал чистой и прикладной математики. 2018;118(20):3797–3809. Доступно по адресу: https://acadpubl.eu/hub/2018-118-21/articles/21e/10. pdf

.

Аднан С., Икбал Дж., Мальтамо М., Бача М.С., Шахаб А., Вальбуэна Р. Простой подход к анализу, классификации и картированию качества подземных вод в Пешаваре, Пакистан. Окружающая среда. 2019;6(12):123. Доступно по адресу: https://dx.doi.org/10.3390/environments6120123

.

Салман А.С., Заиди Ф.К., Хусейн М.Т. Оценка качества подземных вод в северной части Саудовской Аравии с использованием многофакторного анализа и стохастической статистики. Экологические науки о Земле. 2015;74(12):7769–7782. Доступно по адресу: https://dx.doi.org/10.1007/s12665-014-3803-7

.

Колли К., Сешадри Р. Оценка качества подземных вод с использованием методов интеллектуального анализа данных. Международный журнал компьютерных приложений. 2013;76(15):39–45. Доступно по адресу: https://dx.doi.org/10.5120/13324-0885

.

Аль-Омран А., Аль-Барака Ф., Альтукук А., Али А., Надим М. Оценка качества питьевой воды и индекс качества воды в Эр-Рияде, Саудовская Аравия. Журнал исследований качества воды. 2015;50(3):287–296. Доступно по адресу: https://dx.doi.org/10.2166/wqrjc.2015.039

.

Khater AEM, Al-Jaloud A, El-Taher A. Уровень качества бутилированной питьевой воды, потребляемой в Саудовской Аравии. Журнал экологических наук и технологий. 2014;7(2):90–106. Доступно по адресу: https://dx.doi.org/10.3923/jest.2014.90.106

.

Маллик Дж., Сингх К.К., Альмесфер М.К., Сингх В.П., Алсубих М. Исследования качества подземных вод в Королевстве Саудовская Аравия: основные аспекты исследований и управления. Вода. 1266;13(9):1266. Доступно по адресу: https://doi.org/10.3390/w13091266

.

Павлицкая А., Павлицкий М., Козик Р., Хорась Р.С. Систематический обзор рекомендательных систем и их приложений в кибербезопасности. Датчики. 2021;21(15):5248. Доступно по адресу: https://dx.doi.org/10.339.0/s21155248

Файяз З., Эбрахимиан М., Навара Д., Ибрагим А., Кашеф Р. Системы рекомендаций: алгоритмы, проблемы, показатели и возможности для бизнеса. Прикладные науки. 2020;10(21):7748. Доступно по адресу: https://dx.doi.org/10.3390/app10217748

.

Доступно по адресу: https://help.waterdata.usgs.gov/faq/additional-background

Шарма Р.К., Калита Х.К., Бора П. Анализ систем обнаружения вторжений на основе методов машинного обучения. Материалы 3-й Международной конференции по передовым вычислениям, сетям и информатике. 2016; с. 485–493.

Келлер Дж. М., Грей М. Р., Гивенс Дж. А. Алгоритм нечетких K-ближайших соседей. Транзакции IEEE по системам, человеку и кибернетике. 1985; СМК-15(4):580–585. Доступно по адресу: https://dx.doi.org/10.1109/tsmc.1985.6313426

.

Бюльманн П. Методы бэгинга, бустинга и ансамбля. В: Серия книг «Справочники по вычислительной статистике». (стр. 985-1022) 2011.

CS, GIW, ред. Решающий пень. (стр. 262–263) Springer, США. 2010.

Халед С., Махмуд М.А., Азаб А.Е., Хефни Х.