XGBoost, SHAP ЖӘНЕ ҚАШЫҚТЫҚТАН ЗОНДТАУ ДЕРЕКТЕРІН ПАЙДАЛАНА ОТЫРЫП, ЖЕР АСТЫ СУЛАРЫНЫҢ ӘЛЕУЕТІН ГЕОКЕҢІСТІКТІК МОДЕЛЬДЕУ: БАТЫС ҚАЗАҚСТАННЫҢ БӨКЕЙОРДА АУДАНЫНЫҢ ЖАҒДАЙЫН ЗЕРТТЕУ
DOI:
https://doi.org/10.52269/SKVC2621177Кілт сөздер:
: жер асты суларының әлеуетін картаға түсіру, машиналық оқыту, жер асты сулары, қашықтықтан зондтау, ауыл шаруашылығыАңдатпа
Бұл зерттеуде XGBoost классификаторын пайдаланып, жер асты суларының әлеуетін кеңістіктік болжауға арналған машиналық оқыту моделі жасалды, ол топографиялық, гидрологиялық, өсімдіктер және гидрогеологиялық деректер жиынтығынан алынған 15 тұрақты геокеңістіктік предикторларға үйретілді. Өлшенген жер асты суларының ағымы бар барлығы 202 ұңғыма жаттығу үлгілері ретінде пайдаланылды және жер асты суларының өнімділік кластарына айналдырылды. Модель SRTM-ден алынған биіктік, жер бедері индекстері (көлбеу, TWI), гидрологиялық қашықтық өлшемдері, маусымдық өсімдіктер мен ылғал индекстері (NDVI, NDWI, BSI) және GLHYMPS-тен алынған литологиялық және гидравликалық қасиеттерді қоса алғанда, бірнеше көздерден алынған растрлық деректерді біріктіреді. Модельдің түсіндірілуі әрбір предиктордың жер асты суларының әлеуетін бағалауға қосқан үлесін сандық бағалау үшін SHAP талдауын қолдану арқылы бағаланды. Сонымен қатар, болжам белгісіздігі гидрогеологиялық ауысулармен байланысты төмен сенімділік аймақтарын анықтауға мүмкіндік беретін кластық ықтималдықтардың Шеннон энтропиясын қолдану арқылы сандық түрде анықталды. Нәтижелер кеңістіктік валидация кезінде орташа болжам дәлдігіне қарамастан (F1 ұпайы ≈ 0,24), модель жер асты суларының әлеуетіндегі маңызды кеңістіктік үлгілерді көрсететінін көрсетеді. Жоғары белгісіздік мәндері құрылымдық тұрғыдан күрделі және литологиялық тұрғыдан гетерогенді аймақтарда шоғырланған. Ұсынылған құрылым деректер жетіспейтін аймақтарда жер асты суларының әлеуетін картаға түсіру үшін машиналық оқыту мен геокеңістіктік талдауды біріктірудің қайталанатын және ауыстырылатын тәсілін көрсетеді.
