파이썬을 이용한 기계 학습의 적용: 시간적 지하수 수위 예측

지하수는 에티오피아의 상부 블루 나일 분지에서 농업, 가정, 생태적 필요를 유지하는 데 중요한 자원으로, 인구 급증과 기후 변동성이 수자원 스트레스를 심화시키고 있습니다. 이 분지의 일부분인 테메차 강 유역은 반복적인 가뭄과 감소하는 지하수 수위에 직면해 있어 효과적인 지하수 관리 전략의 필요성을 강조합니다. 관리형 대수층 재충전(MAR)은 유망한 접근법으로, 그 성공은 정확한 지하수 수위 모니터링 및 예측에 크게 의존합니다. MAR 결정은 수리 지질학적 및 토지 이용 요인의 영향을 받지만, 재충전 시기와 적합성을 결정하는 데는 수압 데이터가 필수적입니다. 이 연구는 1995년부터 2023년까지 테메차 강 유역의 지하수 수위 변화를 예측하기 위해 다섯 가지 기계 학습 모델 - 그래디언트 부스팅 회귀(GBR), 서포트 벡터 머신(SVM), 랜덤 포레스트(RF), 의사 결정 트리(DT), 선형 회귀(LR) - 의 성능을 평가합니다. 강수량, 온도 및 증발산이 예측 변수로 사용되었습니다. 모델 중 GBR이 우수한 성능을 보였으며 평균 절대 오차(MAE)는 0.07 m, 내쉬-설리프 효율(NSE)은 0.7934 m, 결정 계수(R²)는 0.7856, 편향 비율(PBIAS)은 -2.408%였습니다. 결과는 GBR의 지하수 수위 예측 효과를 보여주며 데이터가 부족한 지역에서 지속 가능한 수자원 관리에 도움이 되는 응용을 지원합니다. 그러나 다른 지역으로의 적용은 현지 수리 지질학적 및 기후 조건을 고려해야 합니다. 한 문장 요약: 이 연구는 파이썬에서 기계 학습 기술을 이용하여 테메차 강 유역의 시간적 지하수 수위를 예측하는 방법을 탐구합니다.