人為的な気候と結びついた予測のための規則化され,説明可能な機械学習の枠組み,非常に乾燥した都市公共事業に流入する排水の影響

科学分野:

• 環境工学環境工学とは
• 水資源の管理 水資源の管理
• データサイエンス データサイエンス

背景:

• 信頼性の高い排水流入予測は,気候に敏感でデータに制限された水道事業のエネルギー効率的な運営に不可欠です.
• 正確な予測は,運用計画と資源管理をサポートします.

研究 の 目的:

• クウェートで流入する毎月の排水量のさまざまな予測モデルをベンチマークする.
• 重要な環境と消費の変数を用いて,最も効果的な予測方法を特定する.

主な方法:

• 段階的線形回帰 (SLR),アンサンブルツリー (ET),サポートベクトルマシン (SVM),カーネル近似,ペナライズされた線形回帰 (LASSO) の比較分析.
• 空気温,相対湿度,市政用水消費量,人口を予測指標として利用した.
• RMSE,MAE,MSE,R2およびMAPEでパフォーマンスを評価する,時系列的に実施されたテストセットによる5倍クロス検証が採用されました.

主要な成果:

• 罰則線形回帰 (LASSO) は,最も低いテストエラーを示し,稀なモデル仕様を選択しました.
• 段階的線形回帰 (SLR) とアンサンブルツリー (ET) は,同等の性能を示し,カーネルの方法よりも優れていた.
• SHAPの概要と特性の重要性グラフを使用して,モデルの解釈が強化されました.

結論:

• 低複雑性,透明なモデル,特にペナルティ化された線形モデルは,最小限のチューニングで重要な予測能力を提供します.
• これらのモデルは,実用化のために不可欠なオペレーターの信頼と監査性を高めます.
• 開発されたフレームワークは,超乾燥地域における負荷管理,貯蔵,再利用計画,および代替水供給の決定のための1ヶ月前のガイドラインを提供します.