通过机器学习进行地下水水位建模

2023-05-26 0 818

原副标题:透过电脑自学展开水源地水势可视化

通过机器学习进行地下水水位建模

该文编者按

水源地约占亚洲地区引水总额的33%,超过20亿人倚靠水源地作为存活的主要水源地。过分黑色金属导致许多地区的水源地位持续下降,进而引起了亚洲地区性水源地经济危机。在气候变迁的大背景下,水源地天然资源的定量分析评估结论对可持续管理水天然资源非常重要。随着数据预测方式和电脑自学技术的不断进步,大量需用的原地和遥感技术数据稳步增长,为从地方到亚洲地区微观预测水源地天然资源的评估结论提供了机会。如前所述此,加利福尼亚大学布鲁克斯附属小学的 Arman Ahmadi 科学研究项目组在 Water 学术期刊发表该文,概要了水源地应用领域的科学毒理,透过元预测汇整已近科学研究结论。科学研究说明,电脑自学数学模型能够有效率监控或预估水源地天然资源的相同特点。电脑和广度自学演算法的不断进步,以及紧密结合如前所述物理数学模型排序的发展,有助于提高水源地监控或预估的次元解析度和准确度。

科学研究文本与结论

译者采用了PICO(Population, Intervention, Comparator, Outcome-PICO)架构展开了系统预测和孙令衔。如图1所示,采用 PICO 架构在 Scopus 和 Web of Science 两个新浪网资料库索引了2010年1月~2020年9月前夕的该文及会议学术论文。

通过机器学习进行地下水水位建模

图1. 系统赞扬的时序。

历史文献排序方法预测

统计数据预测说明,在2014年后采用服贸数学模型预估水源地特点的该文数目不断增加。当中,土耳其 (24%)、巴基斯坦 (18%)、中国 (16%) 和美国 (10%) 的发表该文数目位于前六名。已近的科学研究中包涵了26种相同的服贸数学模型方式来预估水源地天然资源,当中 ANN、SVM 和 ANFIS 是最畅销的方式,分别占总历史记录的53%、16% 和10%,而 GEP、LR 和 GP 的应用应用领域则相对较少。

Meta 预测

Meta 预测主要集中在水源地位预估方面,如图2所示,译者预测证实了服贸数学模型能够高精度地预估水源地位。根据相同的标准对学术论文展开分类,以说明相同服贸数学模型方式和 ANN 架构的结论,大多数采用的服贸数学模型方式具有相似的性能,且 ANN 略胜于其他数学模型。

通过机器学习进行地下水水位建模

图2. 预估水源地位的服贸数学模型性能的定量分析预测。

通过机器学习进行地下水水位建模

图3.用于预估水源地位的服贸数学模型和ANN架构的Meta预测结论。

科学研究展望

如前所述电脑自学和人工智能演算法预测,在未来的科学研究中最具有发展前景的是新演算法相同数学模型的灵活耦合。透过开发对水源地状态展开原地观测的均质化、质量可控的亚洲地区性产品,能够为相关科学研究做出突出贡献。

科学研究总结

译者总结的系统性概要和 Meta 预测可以为增强服贸数学模型在水源地中应用应用领域的科学研究提供补充。译者建议未来的科学研究可以侧重服贸数学模型在其他水天然资源应用领域的应用应用领域,如径流可视化与预报、气候变化引起的极端水文事件,以及随遥感技术数据集对蒸散发和土壤湿度的估算展开微调等。此外,由于水文数学模型具有处理数学模型结构、参数和输入变量的固有不确定性和模糊性特点,系统回顾可以揭示水文数学模型的不确定性、可靠性和敏感性的预测现状。尽管汇集相同科学研究的结论有一些明显的缺点,但这样可以透过全面和多维的视角来发现并阐明这个主题。然而,结论的汇整是一把双刃剑,因为每一篇原创科学研究该文都有其具体的方式、表述和对结论的解释,因此科学研究人员在解释结论时应该更加谨慎。

该文链接:https://www.mdpi.com/2073-4441/14/6/949

通过机器学习进行地下水水位建模

通过机器学习进行地下水水位建模

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务