# Integrating Boosted learning with Differential Evolution (DE) Optimizer: A Prediction of Groundwater Quality Risk Assessment in Odisha

### 저자

Sonalika Subudhi, Alok Kumar Pati, Sephali Bose, Subhasmita Sahoo, Avipsa Pattanaik, Biswa Mohan Acharya

### 개요

본 논문은 인구 증가와 산업화로 인한 지하수 오염 문제를 해결하기 위해 머신러닝 기반 예측 모델을 개발했습니다.  오디샤 지역의 지하수 품질 지수(GWQI)를 평가하고 주요 오염 물질을 식별하기 위해 LCBoost Fusion이라는 하이브리드 머신러닝 모델을 사용했습니다.  데이터 전처리, 차분 진화(DE) 최적화를 통한 하이퍼파라미터 튜닝, 교차 검증을 통해 모델을 평가하였으며,  낮은 RMSE(0.6829), MSE(0.5102), MAE(0.3147)와 높은 R² 점수(0.9809)를 달성하여 개별 모델(CatBoost 및 LightGBM)보다 우수한 성능을 보였습니다.  특징 중요도 분석 결과, 칼륨(K), 불소(F), 총 경도(TH)가 지하수 오염에 가장 큰 영향을 미치는 지표로 나타났습니다.  본 연구는 지하수 품질 위험 평가에 머신러닝을 적용한 성공적인 사례이며, 제안된 LCBoost Fusion 모델은 실시간 지하수 모니터링 및 위험 완화를 위한 신뢰할 수 있고 효율적인 방법을 제공합니다.

### 시사점, 한계점

- **시사점:**

    - 머신러닝 기반 모델을 활용하여 지하수 품질을 효과적으로 평가하고 예측할 수 있음을 보여줌.

    - LCBoost Fusion 모델이 기존 모델보다 우수한 성능을 보임으로써 지하수 관리에 효율적인 도구 제공.

    - 칼륨(K), 불소(F), 총 경도(TH)를 지하수 오염의 주요 지표로 제시하여 효율적인 관리 방안 마련에 기여.

    - 환경 단체 및 정책 입안자에게 지속 가능한 지하수 관리를 위한 목표 지역 설정에 도움을 제공.

- **한계점:**

    - 연구 지역이 오디샤 지역으로 제한되어 일반화 가능성에 대한 추가 연구 필요.

    - 원격 감지 데이터 활용 및 상호 작용적 의사결정 시스템 개발 등 추가 연구 필요.

[PDF 보기](https://arxiv.org/pdf/2502.17929)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).