新しいデータマイニングアンサンブルモデルを用いた地下水ポテンシャルマッピング

淡水不足は、乾燥および半乾燥国全体でますます深刻な問題となっており、貧困を引き起こすことがよくあります。したがって、特に地下水に関して淡水資源の利用可能性を理解し、水資源計画を実施できるようにすることが必要です。本研究は、イラン中央部のロルデガン帯水層の地下水ポテンシャルマッピングのために、証拠信念関数とブーステッド回帰木（EBF-BRT）アルゴリズムを実装することで、新しい統計的アプローチを紹介します。そのために、春の位置を特定し、個別およびアンサンブル法のトレーニングと検証のために2つのグループに分けます。次のステップでは、トポグラフィーおよび水文地質的要因を含む12の地下水条件要因（GCF）をモデル化プロセスのために準備します。これらの要因は、EBFモデルの適用に使用されます。次に、GCFのEBF値をBRTアルゴリズムへの入力として実装します。モデル化プロセスの結果は、春（地下水）ポテンシャルマップを作成するためにプロットされます。結果を検証するために、受信者動作特性（ROC）テストがモデルの出力に適用されます。テストの結果は、ROC曲線の下の面積がEBFモデルで75％、EBF-BRTモデルで82％であることを示しました。したがって、2つの技術の組み合わせが地下水ポテンシャルマッピングにおけるこれらの方法の有効性を高める可能性があると推測できます。