基于AdaBoost-TSO-KELM的农田土壤重金属空间预测模型 |
| |
引用本文: | 任顺,王成龙,肖配,张清,盛冠群.基于AdaBoost-TSO-KELM的农田土壤重金属空间预测模型[J].环境科学学报,2024(4):316-323. |
| |
作者姓名: | 任顺 王成龙 肖配 张清 盛冠群 |
| |
作者单位: | 1. 三峡大学计算机与信息学院;2. 水电工程智能视觉监测湖北省重点实验室 |
| |
基金项目: | 国家自然科学青年基金项目(No.42204111);;111引智项目(No.D20015); |
| |
摘 要: | 建立土壤重金属空间分布预测模型对确定农田土壤安全性具有重要意义.为了提高空间分布预测精度,结合金枪鱼群算法优化核极限学习机(TSO-KELM)和自适应增强算法AdaBoost,构建了基于AdaBoost-TSO-KELM的土壤重金属空间分布预测模型,选取湖北省宜昌市农田土壤中5种重金属(As、Hg、Cr、Cd和Pb)进行研究,并与其他4种建模方法进行了对比分析.结果表明:(1)研究区内As、Cd和Pb元素的均值均超过当地土壤重金属背景值,分别为背景值的1.14倍、1.40倍和1.12倍,其他两种元素的均值没有超过当地土壤重金属背景值.(2)AdaBoostTSO-KELM模型在5种重金属的预测中预测精度最高,As、Hg、Cd、Cr和Pb重金属的验证集决定系数(R2)分别为0.7839、0.6579、0.6732、0.7690和0.7175,均方根误差(RMSE)分别为1.6986、0.0120、0.0256、4.8637和2.2757,相比较于传统的KELM模型,5种重金属的预测精度分别提高了19.52%、22.54%、28.55%、17.03%、16.59%.研...
|
关 键 词: | 土壤重金属 TSO-KELM AdaBoost 辅助变量 空间分布 |
|
| 点击此处可从《环境科学学报》浏览原始摘要信息 |
| 点击此处可从《环境科学学报》下载免费的PDF全文 |