CMIP6 시나리오를 이용한 기계 학습 기반 하천 유량 예측: 성능 평가 및 수문학적 예측 및 기후 변화 개선

초록 물은 인간과 모든 생명체가 생명을 유지하는 데 필수적입니다. 따라서 이용 가능한 자원에서의 기후 주도의 변화는 환경과 생명에 심각한 영향을 미칩니다. 지구 기후 모델(GCM)은 기후 변화를 평가하는 가장 실용적인 방법 중 하나입니다. 이에 따라 이 연구는 커플 모델 비교 프로젝트 6(CMIP6)에서 GCM의 역량을 평가하여 Konya Closed 배수 지역의 기후 예측 센터 데이터의 역사적 흐름을 재현하고 선택된 GCM을 사용하여 지역의 기후를 예측했습니다. CMIP6 기반의 글로벌 기후 모델이 일반 사회경제 경로(SSP245 및 SSP 585) 시나리오 하에서 이 연구 지역의 하천 유량에 대한 기후 변화 영향을 분석하기 위해 긴 단기 기억(Long Short-Term Memory, LSTM), 양방향 LSTM(BiLSTM), AdaBoost, Gradient Boosting, 회귀 나무 및 랜덤 포레스트 방법을 사용하여 GCM 모델의 편향 보정을 수행했습니다. 결정 계수(R²), 평균 제곱 오차(MSE), 평균 절대 오차(MAE), 평균 제곱근 오차(RMSE)를 사용하여 방법의 성능을 평가했습니다. 결과는 랜덤 포레스트 모델이 테스트 및 학습 단계 모두에서 다른 모델을 일관되게 능가함을 보여주었습니다. 앞으로 수십 년 동안 이 지역의 강과 개울을 흐르는 물의 양이 크게 감소할 것으로 예상됩니다. 기후 회복력이 있는 물 인프라 자금 조달을 강화하고, 가뭄에 대한 조기 경고 시스템을 구축하며, 최상의 관리 관행을 도입하고, 통합 물 자원 관리를 시행하며, 대중 인식을 증진하고, 물 연구를 지원하여 가뭄의 부정적인 영향을 완화하고 기후 변화가 터키의 물 자원에 미치는 영향에 대한 회복력을 증가시키는 것이 중요합니다.