Assessment of Rain Garden Infiltration Rate Using Support Vector Machine

Dieses Kapitel vertieft sich in die experimentelle Bewertung der Regengarteninfiltrationsraten, wobei der Schwerpunkt auf den Auswirkungen verschiedener Pflanzentypen und fortgeschrittener Modellierungstechniken liegt. Vier Regengärten wurden angelegt und mit verschiedenen Pflanzenarten getestet, darunter Scutch-Gras, Candytuft-Blumen, Ringelblumenblumen und Gänseblümchenblumen. Die Studie verwendete Regressionsmodelle der Support Vector Machine (SVM) mit unterschiedlichen Kernfunktionen - Radial Basis Function (RBF), Pearson VII Kernel (PUK), Normalized Polynom Kernel (NPK) und Polynom Kernel (POLY) -, um Infiltrationsraten vorherzusagen. Die Ergebnisse unterstreichen die überlegene Leistung des SVM _ PUK-Modells, das den höchsten Korrelationskoeffizienten und den niedrigsten Wurzelmittelquadratfehler erreichte. Das Kapitel behandelt auch den Einfluss der Pflanzendichte auf die Infiltrationsraten und bietet eine vergleichende Analyse der verschiedenen SVM-Modelle. Die Ergebnisse unterstreichen das Potenzial von Regengärten als effektive Lösung für das Regenwassermanagement, wobei Kratzgras die höchsten Infiltrationsraten aufweist. Diese Forschungsergebnisse bieten wertvolle Erkenntnisse für Fachleute, die innovative und nachhaltige Ansätze zur Bekämpfung städtischer Überschwemmungen suchen.