机构名称：
¥ 1.0
由于气候变化，全球人口将暴露于更多的热发作。为了确保必须开发出可观的未来，必须开发尖端的工具，以预测热量的健康影响并限制其疾病。但是，当前的研究主要集中在一个城市/地区的一个健康结果上，因此提供了有限的知识，以提高社会对极端热量的韧性。在这项研究中，引入了机器学习（ML）框架，以预测同时多个地区的热与热有关的健康结果，并使用魁北克省（加拿大）作为案例研究。考虑并比较了五个ML模型，包括惩罚回归，基于整体树的模型和深层神经网络。模型经过培训，可以使用各个地区的各种气象，区域和时间预测因子来预测这些健康结果。我们的结果表明，深度学习模型是最有希望的，大多数研究的健康结果中，样本外R 2> 60％。但是，基于整体树的方法在某些健康状况方面也具有最佳性能，并且对天气变量和热浪更敏感。通过引入基于ML的新型工具来预测几个地区的热风险，这项研究可以指导气候变化适应，并帮助城市和社会变得更加健康，有弹性和可持续性。
可持续城市和社会
主要关键词
相关文件推荐
