BBAuthors: Nguyễn Hoàng Tuấn; Advisor: -; Participants: Trần Đăng An; Triệu Ánh Ngọc; Huỳnh Duy Linh (2022)
Nghiên cứu này được thực hiện dựa trên 126 mẫu thu thập được trên cơ sở dữ liệu không gian với 11 yếu tố ảnh hưởng đến khả năng rò rỉ: tuổi ống, đường kính, vật liệu, sức chịu tải nền đất, tải trọng giao thông, độ sâu lắp đặt, áp lực, lưu lượng, chênh lệch áp lực, số đấu nối và mật độ dân số. Các mô hình học máy được sử dụng: Random Forest Regression, Extreme Gradient Boosting Regression, Light Gradient Boosting Regression và Catboost Regression để đánh giá khả năng dự báo rò rỉ trên mạng lưới thông qua các thông số: sai số bình phương gốc (RMSE), hệ số xác định (R2), tiêu chí thông tin Akaike (AIC) và tiêu chí thông tin Bayes (BIC) để lựa chọn ra mô hình phù hợp nhất. Kết quả mô phỏng cho thấy, mô hình CastBoost cho kết quả dự báo về khả năng rò rỉ trên mạng lưới tốt nhất. Các mô h... 
