Aankomen op je favoriete strand om te ontdekken dat het gesloten is vanwege bacteriële besmetting kan een spelbreker zijn. Maar nog erger zou zijn om zonder het te weten te zwemmen in water dat vervuild is met fecaal materiaal - een zeer reële mogelijkheid, aangezien de huidige detectiemethoden tot 24 uur nodig hebben om resultaten te verkrijgen. Nutsvoorzieningen, onderzoekers rapporteren in het ACS-tijdschrift Milieuwetenschap en -technologie computermodellen hebben geïdentificeerd die nauwkeurige kortetermijnvoorspellingen bieden, of "nowcasts, " van de kwaliteit van het strandwater.

Het aantal strandsluitingen door fecale microben is de afgelopen jaren gestegen. In de VS, stranden in het gebied van de Grote Meren staan ​​hoog in de lijst met de grootste problemen. Volgens het Michigan Department of Environmental Quality, 30 stranden in de staat waren begin juli 2018 ofwel gesloten of hadden adviezen met betrekking tot hen vanwege het hoge bacterieniveau. Het verzamelen van watermonsters en deze vervolgens analyseren in het laboratorium kost tijd, zelfs met moderne technieken, waardoor zwemmers het risico lopen besmet te raken met vervelende maagbacteriën terwijl het testen aan de gang is. Maar computersimulaties voor het voorspellen van de waterkwaliteit zijn complex en niet altijd betrouwbaar. Jie Niu en Mantha S. Phanikumar vroegen zich af of ze eenvoudigere computermodellen konden identificeren die de huidige strandomstandigheden nauwkeurig konden voorspellen op basis van gegevens uit het verleden.

De onderzoekers vergeleken de mogelijkheden van vijf computermodellen om nu bacteriële niveaus op vier locaties in het zuiden van Lake Michigan te werpen. De modellen varieerden in het aantal invoerparameters, van alleen vroegere niveaus van bacteriën op de locaties, tot complexere gegevens, zoals dagelijkse regenval, watertemperatuur en troebelheid van het water. Het team ontdekte dat de twee beste modellen eerdere bacteriële niveaus en verschillende andere parameters bevatten. Echter, een nieuw model ontwikkeld door de onderzoekers presteerde ook goed. Deze aanpak, die twee technieken combineerde genaamd wavelet-transformatie en kunstmatige neurale netwerkanalyse, alleen bacteriële gegevens uit het verleden nodig, zonder extra ingangen. De onderzoekers concludeerden dat het nieuwe model een potentieel nuttig hulpmiddel is voor strandbeheer, vooral wanneer gedetailleerde gegevens over strandomstandigheden niet beschikbaar zijn.