본 연구에서는 네 가지 독립 변수인 2m 공기 온도, 수증기 압력 결손, 10m 풍속, 일조 지속 시간을 바탕으로 다섯 가지 다른 기계 학습 알고리즘(캐트부스트, XG부스트, 랜덤 포레스트, 그래디언트 부스팅 및 서포트 벡터 회귀(SVR))을 사용하여 일일 ET0를 추정하는 방법을 평가하였습니다. 알제리 북서부 Tlemcen 지방의 10개 기상 관측소에서 Open-Meteo 역사적인 날씨 API(2000-2025)로부터 총 9132개의 일일 값을 사용하였으며, 데이터 세트는 70/15/15의 시간적 분할을 이용하여 학습, 검증 및 테스트 세트로 나누었습니다. 각 알고리즘의 성능은 RMSE, MAE, R2, NSE, RSR 및 윌모트 지수와 같은 여러 통계치를 사용하여 추정하였으며, 과적합의 가능성을 평가하기 위한 통계도 포함되었습니다. 캐트부스트는 테스트 세트에서 RMSE 약 0.292 mm day−1, MAE 약 0.208 mm day−1, R2 0.971 및 NSE 0.971로 가장 높은 전반적 정확도와 일반화된 성능을 나타내었으며 과적합의 위험이 극히 낮음을 시사합니다. 최적의 캐트부스트 모델은 월별 ET0의 공간적 및 시간적 변화를 추정하는 데에도 사용되었습니다. 결과는 Tlemcen의 반건조 지역에서 연도 간 변동성이 높음을 나타내었으며(−12.815에서 +8.707 mm month−1까지 변화), 유의미한 장기 추세는 관찰되지 않았습니다(2000-2025년 사이 누적 순 변화량 약 −0.021 mm month−1). 따라서 캐트부스트는 기후 데이터 가용성이 제한된 반건조 환경에서 ET0를 추정하는 FAO-56 펜만-몬테이스 방정식(ET0)의 강력하고 효율적이며 신뢰할 수 있는 모사기기로 권장되며, 알제리 북서부 및 기타 반건조 지중해 지역에서 특히 유용할 수 있습니다.
Meziani et al. (Thu,)은 이 문제를 연구하였습니다.