Ứng dụng mô hình học máy dự báo chất lượng nước dưới đất: Điển hình tại khu vực thành phố Hội An, tỉnh Quảng Nam

Bài viết Ứng dụng mô hình học máy dự báo chất lượng nước dưới đất: Điển hình tại khu vực thành phố Hội An, tỉnh Quảng Nam nghiên cứu dự báo chất lượng nước dưới đất khu vực lân cận bãi rác Cẩm Hà, Tp. Hội An, Quảng Nam bằng các mô hình học máy. | 106 Lê Phước Cường Ngô Viết Thắng ỨNG DỤNG MÔ HÌNH HỌC MÁY DỰ BÁO CHẤT LƯỢNG NƯỚC DƯỚI ĐẤT ĐIỂN HÌNH TẠI KHU VỰC THÀNH PHỐ HỘI AN TỈNH QUẢNG NAM APPLICATION OF MACHINE LEARNING MODELS IN UNDERGROUND WATER PREDICTION A CASE STUDY IN HOIAN CITY QUANGNAM PROVINCE Lê Phước Cường Ngô Viết Thắng Trường Đại học Bách khoa - Đại học Đà Nẵng1 Tác giả liên hệ lpcuong@ Nhận bài 10 02 2022 Chấp nhận đăng 28 3 2022 Tóm tắt - Bài báo nghiên cứu dự báo chất lượng nước dưới đất khu Abstract - This article studies to predict groundwater quality in the vực lân cận bãi rác Cẩm Hà Tp. Hội An Quảng Nam bằng các mô vicinity of Cam Ha landfill Hoi An city Quang Nam province by hình học máy. Nghiên cứu đã tiến hành phân tích bộ dữ liệu về chất machine learning models. The study analyzed dataset on lượng nước dưới đất trong mùa mưa và mùa khô. Bộ dữ liệu với groundwater quality in rainy and dry seasons. Dataset with 268 lines 268 dòng gồm 8 biến đầu vào Fe As Mo Co Ni Al Zn Pb và including 8 input variables Fe As Mo Co Ni Al Zn Pb and 1 biến đầu ra GWQI . Các tác giả đã nghiên cứu xác định mô hình 1 output oneis the groundwater quality index GWQI . Authors dự báo tối ưu dựa vào các giá trị sai số tuyệt đối trung bình MAE determined the optimal forecasting model based on the mean absolute sai số toàn phương trung bình RMSE và R2. Ngôn ngữ R được error MAE root mean square error RMSE and R2. R language dùng để tối ưu hoá các mô hình hồi quy tuyến tính LR rừng ngẫu was used in order to optimize machine learning models such as nhiên RF máy hỗ trợ vec-tơ SVM K- điểm dữ liệu gần nhất linear regression LR random forest RF support vector machine KNN mạng lập thể Cubist với tỉ lệ Huấn luyện Kiểm tra từ SVM K-nearest neighbors KNN Cubist with Train Test ratio 70 30 đến 85 15. Kết quả thu được cho thấy mô hình Cubist ở tỷ lệ from 70 30 to 85 15. The obtained results show that the Cubist model 70 30 là tối ưu nhất cho bộ dữ liệu tại khu vực lân cận bãi rác Cẩm at the ratio 70 30 is the most

Không thể tạo bản xem trước, hãy bấm tải xuống
TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.