تركز هذه الدراسة على تعزيز دقة تقدير التبخر والنتح المرجعي (RET)، وهو أمر حاسم لإدارة موارد المياه بشكل فعال والتخطيط الزراعي، خاصة في سياق تغير المناخ. تقيم الأبحاث أداء ثمانية نماذج تجريبية وأربعة نماذج تعلم آلي (ML)، بما في ذلك الغابة العشوائية (RF)، M5 المقلم (M5P)، تعزيز التدرج الشديد (XGBoost)، وآلة تعزيز التدرج الخفيف (LightGBM)،…

تتركز هذه الدراسة على رسم خرائط تعرض الفيضانات المفاجئة في حوض نهر يارلونغ تسنغبو (YTRB) باستخدام نماذج متعددة من التعلم الآلي (ML) عبر منصة H2O للتعلم الآلي الآلي. تحدد الأبحاث المناطق المعرضة لخطر الفيضانات، وهو أمر حاسم لاستراتيجيات فعالة للوقاية من الكوارث. النموذج الأفضل أداءً، الأشجار العشوائية المتطرفة (XRT)، أنتج خريطة تعرض تشير إلى أن…