Breaking the mold of simulation-optimization: Direct forward machine learning methods for groundwater contaminant source identification

•We proposed two GCSI methods that can make estimations without employing any optimization algorithm, thus improving estimation efficiency and reducing implementation cost.•The first Direct Forward Machine Learning (DFML) method can accurately estimate eight parameters related to contaminant source...

Celý popis

Podrobná bibliografie

Vydáno v:	Journal of hydrology (Amsterdam) Ročník 642; s. 131759
Hlavní autoři:	Wang, Chaoqi, Dou, Zhi, Zhu, Yan, Yang, Ze, Zou, Zhihan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.10.2024
Témata:	algorithms aquifers Artificial Neural Network Contaminant source identification groundwater contamination Groundwater modeling Machine Learning One-hot encoding probability distribution One-hot encoding Contaminant source identification Artificial Neural Network Groundwater modeling Machine Learning
ISSN:	0022-1694
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!