谷侵食感受性マッピングのためのアンサンブルハイブリッド機械学習手法：Kフォールド交差検証アプローチ

谷侵食は、農業開発の障害となる重要な問題の一つです。本研究では、ラジアル基底関数ニューラルネットワーク（RBFnn）と、そのランダムサブスペース（RSS）および回転森林（RTF）アンサンブルメタ分類器とのアンサンブルを用いて、ヒングロ川流域における谷侵食感受性（GES）の空間マッピングを行いました。120の谷がマークされ、4つのフォールドにグループ分けされました。地形的、 hydrological、岩石学的、土壌の物理化学的特性を含む23の因子が効果的に使用されました。GESマップはRBFnn、RSS-RBFnn、およびRTF-RBFnnモデルによって構築されました。RBFnn、RTF-RBFnn、およびRSS-RBFnnモデルの非常に高い感受性ゾーンは、フォールド1で6.75%、6.72%、6.57%、フォールド2で6.21%、6.10%、6.09%、フォールド3で6.26%、6.13%、6.05%、フォールド4で7%、6.975%、6.42%をカバーしました。受信者動作特性（ROC）曲線および平均絶対誤差（MAE）、平方根平均絶対誤差（RMSE）、相対谷密度エリア（R-index）法などの統計技術がGESマップの評価に使用されました。ROC、MAE、RMSE、およびR-index法の結果は、谷侵食に対する感受性のモデルが優れた予測効率を持っていることを示しました。機械学習に基づくシミュレーション結果は満足のいくものであり、優れたものであり、谷侵食に脆弱な地域の予測に使用できると考えられます。