道路运输系统对地下水质量的影响由可解释的人工智能 (XAI) 推断出来

科学领域:

• 环境科学 环境科学
• 水文地质学 水文地质学
• 数据科学数据科学数据科学

背景情况:

• 道路网络对于交通和经济至关重要,但会带来环境风险.
• 地下水质量是一个关键问题,受到各种人为活动的影响.
• 了解道路系统和地下水化学之间的联系对于可持续管理至关重要.

研究的目的:

• 通过数据驱动的方法研究公路运输系统对地下水质量的影响.
• 确定受道路网络影响的特定地下水化学参数.
• 确定影响道路地下水污染的距离和深度.

主要方法:

• 采用了双相方法:可解释的人工智能 (XAI) 建模和多变量分析.
• 开发了一种 eXtreme Gradient Boosting (XGB) 模型,其中道路属性作为输入,地下水化学作为输出.
• 使用的特征重要性,累积的局部效应 (ALE),Piper图表和主要组件分析 (PCA) 进行分析.

主要成果:

• 五个地下水化学参数 (pH,温度,,二碳酸盐,性) 受到道路系统的显著影响 (MAPE < 0.20).
• XAI模型揭示了道路属性和地下水化学成分之间的关键关系.
• 在距离道路50米以内,以及在井深度高达100米的地方观察到显著的冲击.

结论:

• 道路运输系统明显影响德克萨斯州的地下水质量.
• XAI技术为监测地下水污染点源提供了一种新的方法.
• 调查结果强调了在地下水保护战略中考虑道路近距离和井深的重要性.