EconPapers    
Economics at your fingertips  
 

Analiza utilizării algoritmului XGBoost pentru predicția comportamentului contaminanților în ecosistemele acvatice internaționale

Nina Sava

Intellectus, 2025, issue 1, 181-187

Abstract: Această lucrare reprezintă o cercetare în domeniul predicției comportamentului contaminanților în ecosistemele acvatice. Pentru determinarea comportamentului contaminanților a fost utilizat algoritmul de învățare automată XGBoost, care este un instrument puternic pentru analiza datelor de mediu datorită capacității sale de a integra seturi complexe de date și de a oferi predicții precise. Abordarea de predicție a comportamentului contaminanților poate contribui la evaluarea și prognozarea potențialelor catastrofe naturale ale ecosistemelor acvatice de tip râu. Această cercetare își propune să exploreze modul în care poate fi utilizat algoritmul XGBoost pentru predicția comportamentului contaminanților în râurile din Republica Moldova. A fost efectuată o analiză comparativă a modului de folosire a algoritmului pentru râuri din diverse țări, în urma căreia s-a constatat că algoritmul poate prezice nivelurile de poluare cu o eroare minimă, oferind o bază solidă pentru implementarea politicilor de mediu.

Keywords: algoritm; arbore de decizie; creșterea gradientului; predicție contaminanți; râu. (search for similar items in EconPapers)
Date: 2025
References: Add references at CitEc
Citations:

Downloads: (external link)
https://agepi.gov.md/sites/default/files/intellect ... _01_2025_181-187.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:awf:journl:y:2025:i:1:p:181-187

DOI: 10.56329/1810-7087.25.1.16

Access Statistics for this article

More articles in Intellectus from State Agency on Intellectual Property (AGEPI)
Bibliographic data for series maintained by AGEPI ().

 
Page updated 2025-07-04
Handle: RePEc:awf:journl:y:2025:i:1:p:181-187