Tree-Based Modeling Methods to Predict Nitrate Exceedances in the Ogallala Aquifer in Texas

The performance of four tree-based classification techniques—classification and regression trees (CART), multi-adaptive regression splines (MARS), random forests (RF) and gradient boosting trees (GBT) were compared against the commonly used logistic regression (LR) analysis to assess aquifer vulnera...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Water (Basel) Ročník 12; číslo 4; s. 1023
Hlavní autoři:	Uddameri, Venkatesh, Silva, Ana, Singaraju, Sreeram, Mohammadi, Ghazal, Hernandez, E.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Basel MDPI AG 01.04.2020
Témata:	Advantages agriculture Algorithms alkalinity animals Aquifers area calcium carbonate classification clay fraction data collection Datasets decision support systems Drinking water Environmental aspects feedlots Groundwater Hydrogeology Machine learning monitoring Nitrates Nitrogen prediction Random variables regression analysis soil organic matter Texas Trees water Water quality United States United States > US Texas
ISSN:	2073-4441, 2073-4441
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!