期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于树的机器学习方法预测地质成因劣质地下水空间分布
被引量：
9
1
作者
王焰新
曹海龙
+1 位作者
谢先军
李俊霞
《安全与环境工程》
CAS
CSCD
北大核心
2022年第5期58-64,77,共8页
截止到2020年,全球78亿人中仍有20亿人无法获得或只能获得有限的安全饮用水。地质成因劣质地下水(GCG)的广泛存在是造成这种严酷现实的重要原因之一,因此识别GCG已成为全球关注的热点。近年来,基于树的机器学习方法不仅成为揭示GCG空间...
截止到2020年,全球78亿人中仍有20亿人无法获得或只能获得有限的安全饮用水。地质成因劣质地下水(GCG)的广泛存在是造成这种严酷现实的重要原因之一,因此识别GCG已成为全球关注的热点。近年来,基于树的机器学习方法不仅成为揭示GCG空间分布和防范公共健康风险的有力工具,而且能帮助我们更好地理解地下水中劣质组分的水文生物地球化学行为。为促进基于树的机器学习方法在水文地质尤其是地下水水质与健康领域更为广泛的运用,综述了近20年来分类和回归树、随机森林和增强回归树等基于树的机器学习方法在GCG研究中的应用,讨论了如何应对正确优化模型超参数、细心选择强有力的预测变量和合理评估模型性能等诸多挑战。
展开更多
关键词
地质成因劣质地下水
砷
机器学习
树模型
在线阅读
下载PDF
职称材料
题名
基于树的机器学习方法预测地质成因劣质地下水空间分布
被引量：
9
1
作者
王焰新
曹海龙
谢先军
李俊霞
机构
中国地质大学(武汉)环境学院
国家环境保护水污染溯源与管控重点实验室
出处
《安全与环境工程》
CAS
CSCD
北大核心
2022年第5期58-64,77,共8页
基金
国家自然科学基金项目(42020104005)。
文摘
截止到2020年,全球78亿人中仍有20亿人无法获得或只能获得有限的安全饮用水。地质成因劣质地下水(GCG)的广泛存在是造成这种严酷现实的重要原因之一,因此识别GCG已成为全球关注的热点。近年来,基于树的机器学习方法不仅成为揭示GCG空间分布和防范公共健康风险的有力工具,而且能帮助我们更好地理解地下水中劣质组分的水文生物地球化学行为。为促进基于树的机器学习方法在水文地质尤其是地下水水质与健康领域更为广泛的运用,综述了近20年来分类和回归树、随机森林和增强回归树等基于树的机器学习方法在GCG研究中的应用,讨论了如何应对正确优化模型超参数、细心选择强有力的预测变量和合理评估模型性能等诸多挑战。
关键词
地质成因劣质地下水
砷
机器学习
树模型
Keywords
geogenic contaminated groundwater
arsenic
machine learning
tree-based model
分类号
X523 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于树的机器学习方法预测地质成因劣质地下水空间分布
王焰新
曹海龙
谢先军
李俊霞
《安全与环境工程》
CAS
CSCD
北大核心
2022
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
