科研之友
微信
新浪微博
Facebook
分享链接
摘要
截止到2020年，全球78亿人中仍有20亿人无法获得或只能获得有限的安全饮用水。地质成因劣质地下水(GCG)的广泛存在是造成这种严酷现实的重要原因之一，因此识别GCG已成为全球关注的热点。近年来，基于树的机器学习方法不仅成为揭示GCG空间分布和防范公共健康风险的有力工具，而且能帮助我们更好地理解地下水中劣质组分的水文生物地球化学行为。为促进基于树的机器学习方法在水文地质尤其是地下水水质与健康领域更为广泛的运用，综述了近20年来分类和回归树、随机森林和增强回归树等基于树的机器学习方法在GCG研究中的应用，讨论了如何应对正确优化模型超参数、细心选择强有力的预测变量和合理评估模型性能等诸多挑战。
- 单位
