Estimating Personal Water Consumption Using Artificial Intelligence Methods

Derya Bırant; İrem Çalmaz; İrem Okur

Makale detayları

Estimating Personal Water Consumption Using Artificial Intelligence Methods

Yazarlar:

Derya Bırant | İrem Çalmaz | İrem Okur

Yayıncı:

Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.6 Issue 2, pp.1434-1451

Belge Tipi:

Makale

Yayın Tarihi:

5/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001293031

pISSN:

2687-3729

Anahtar kelimeler:

Özet:

 The estimation of water consumption is a crucial task in achieving global sustainability targets and addressing the long-term water needs of citizens. While some efforts have been done to estimate individual water footprints, there is still limited research in this area. To address this limitation, this article proposes a new artificial intelligence-based model, called WaterAI, to predict individuals water consumption scores by taking into account indirect and direct water use through the water footprint indicator. It compares four different machine learning algorithms linear regression, LASSO regression, gradient boosting, and extreme gradient boosting to determine the best one for water consumption estimation. The data were collected with a questionnaire survey. The experimental results show that the proposed model can be successfully used to predict personal water consumption scores in an effective way.

 The estimation of water consumption is a crucial task in achieving global sustainability targets and addressing the long-term water needs of citizens. While some efforts have been done to estimate individual water footprints, there is still limited research in this area. To address this limitation, this article proposes a new artificial intelligence-based model, called WaterAI, to predict individuals water consumption scores by taking into account indirect and direct water use through the water footprint indicator. It compares four different machine learning algorithms linear regression, LASSO regression, gradient boosting, and extreme gradient boosting to determine the best one for water consumption estimation. The data were collected with a questionnaire survey. The experimental results show that the proposed model can be successfully used to predict personal water consumption scores in an effective way.

 The estimation of water consumption is a crucial task in achieving global sustainability targets and addressing the long-term water needs of citizens. While some efforts have been done to estimate individual water footprints, there is still limited research in this area. To address this limitation, this article proposes a new artificial intelligence-based model, called WaterAI, to predict individuals water consumption scores by taking into account indirect and direct water use through the water footprint indicator. It compares four different machine learning algorithms linear regression, LASSO regression, gradient boosting, and extreme gradient boosting to determine the best one for water consumption estimation. The data were collected with a questionnaire survey. The experimental results show that the proposed model can be successfully used to predict personal water consumption scores in an effective way.

 Su tüketiminin tahmini, küresel sürdürülebilirlik hedeflerine ulaşmada ve vatandaşların uzun vadeli su ihtiyaçlarını karşılamada çok önemli bir görevdir. Bireysel su ayak izlerini tahmin etmek için bazı çalışmalar yapılmış olsa da, bu alanda hala sınırlı miktarda araştırma bulunmaktadır. Bu sınırı gidermeye yönelik olarak, bu makale, su ayak izi göstergesi aracılığıyla dolaylı ve doğrudan su kullanımını dikkate alarak bireylerin su tüketim puanlarını tahmin etmek için WaterAI adlı yeni bir yapay zeka tabanlı model önermektedir. Su tüketimi tahmini için en iyi modeli belirlemek adına dört farklı makine öğrenme algoritmasını doğrusal regresyon, LASSO regresyonu, gradyan artırma ve aşırı gradyan artırma karşılaştırmaktadır. Veriler bir anket çalışması ile toplanmıştır. Deneysel sonuçlar, önerilen modelin, kişisel su tüketim skorunu etkili bir şekilde tahmin etmek için başarılı bir şekilde kullanılabileceğini göstermektedir.

Makale detayları

Estimating Personal Water Consumption Using Artificial Intelligence Methods

Yazarlar:

Derya Bırant | İrem Çalmaz | İrem Okur

Yayıncı:

Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.6 Issue 2, pp.1434-1451

Belge Tipi:

Makale

Yayın Tarihi:

5/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001293031

pISSN:

2687-3729

Artificial intelligence

Machine learning

Water consumption

Water footprint

RegressionYapay zeka

Makine öğrenmesi

Su tüketimi

Su ayak izi

Regresyon

Sayı

Makale detayları

Yazarlar: Derya Bırant | İrem Çalmaz | İrem Okur

Yayıncı: Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar: Bilgisayar Yazılımı

Dergi: Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.6 Issue 2, pp.1434-1451

Belge Tipi: Makale

Yayın Tarihi: 5/2023

Belge Dili: İngilizce

Document ID (Org No.): 2001293031

pISSN: 2687-3729

Sayı

Yazarlar:

Derya Bırant | İrem Çalmaz | İrem Okur

Yayıncı:

Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi Vol.6 Issue 2, pp.1434-1451

Belge Tipi:

Makale

Yayın Tarihi:

5/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001293031

pISSN:

2687-3729