典型文献
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
文献摘要：
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.
文献关键词：
地质成因劣质地下水;砷;机器学习;树模型
中图分类号：
作者姓名：
王焰新;曹海龙;谢先军;李俊霞
作者机构：
中国地质大学(武汉)环境学院,湖北武汉430078;国家环境保护水污染溯源与管控重点实验室,湖北 武汉430078
文献出处：
引用格式：
[1]王焰新;曹海龙;谢先军;李俊霞-.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)[J].安全与环境工程,2022(05):58-64,77
A类：
地质成因劣质地下水
B类：
机器学习方法,测地,地下水空间分布,截止,得有,安全饮用水,GCG,严酷,公共健康,健康风险,文生,生物地球化学,地球化学行为,水文地质,地下水水质,健康领域,增强回归树,超参数,细心,预测变量,合理评估,模型性能,树模型
AB值：
0.29116
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
