• 제목/요약/키워드: GBM (gradient boosting machine)

검색결과 42건 처리시간 0.02초

Predicting As Contamination Risk in Red River Delta using Machine Learning Algorithms

  • Ottong, Zheina J.;Puspasari, Reta L.;Yoon, Daeung;Kim, Kyoung-Woong
    • 자원환경지질
    • /
    • 제55권2호
    • /
    • pp.127-135
    • /
    • 2022
  • Excessive presence of As level in groundwater is a major health problem worldwide. In the Red River Delta in Vietnam, several million residents possess a high risk of chronic As poisoning. The As releases into groundwater caused by natural process through microbially-driven reductive dissolution of Fe (III) oxides. It has been extracted by Red River residents using private tube wells for drinking and daily purposes because of their unawareness of the contamination. This long-term consumption of As-contaminated groundwater could lead to various health problems. Therefore, a predictive model would be useful to expose contamination risks of the wells in the Red River Delta Vietnam area. This study used four machine learning algorithms to predict the As probability of study sites in Red River Delta, Vietnam. The GBM was the best performing model with the accuracy, precision, sensitivity, and specificity of 98.7%, 100%, 95.2%, and 100%, respectively. In addition, it resulted the highest AUC of 92% and 96% for the PRC and ROC curves, with Eh and Fe as the most important variables. The partial dependence plot of As concentration on the model parameters showed that the probability of high level of As is related to the low number of wells' depth, Eh, and SO4, along with high PO43- and NH4+. This condition triggers the reductive dissolution of iron phases, thus releasing As into groundwater.

기계학습 기반 해양 노출 환경의 콘크리트 교량 데이터를 활용한 염화물 확산계수 예측모델 개발 (Development of a Machine Learning-Based Model for the Prediction of Chloride Diffusion Coefficient Using Concrete Bridge Data Exposed to Marine Environments)

  • 남우석;임홍재
    • 한국구조물진단유지관리공학회 논문집
    • /
    • 제28권5호
    • /
    • pp.20-29
    • /
    • 2024
  • 염화물 확산계수는 해양환경에 위치한 콘크리트 교량의 내구성 평가를 위한 중요한 지표 중 하나이다. 본 논문에서는 기존 연구에서 고려하지 않았던 해양 노출 환경(대기중, 비말대, 간만대)과 공용 중인 콘크리트 교량의 데이터를 활용해 염화물 확산계수 예측 모델을 개발하였다. 이를 위해 교량 하부구조에서 취득한 염화물 프로파일 데이터를 활용하였고 데이터 전처리 후 기계학습 모델인 RF, GBM, KNN을 하이퍼파라미터 튜닝을 통해 최적화 하였다. 콘크리트 물성치를 포함한 6개 변수(W/B, 시멘트 종류, 굵은골재 부피 비율, 공용연수, 강도, 노출 환경) 모델과 노출 환경을 고려하지 않은 5개 변수 모델, 정밀안전진단에서 취득 가능한 3개 변수(공용연수, 강도, 노출 환경) 모델을 개발하여 성능을 비교·검토 하였다. 그 결과 해양 환경에 위치한 콘크리트 교량의 경우 노출 환경을 고려함에 따라 염화물 확산계수 예측 모델의 성능을 향상시킬 수 있음을 확인하였으며, 또한 정밀안전진단 데이터만으로도 염화물 확산계수를 효과적으로 예측할 수 있음을 확인하였다.