基于AdaBoost-TSO-KELM的农田土壤重金属空间预测模型

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...