在土壤中塑造石油碳化合物污染的度:基于机器学习和电阻的预测方法
Fansong Meng1, Jinguo Wang1, Zhou Chen1
1School of Earth Science and Engineering, Hohai University, Nanjing, 210098, China.
Journal of environmental management
|August 19, 2023
概括
这项研究引入了一种具有成本效益的机器学习和电阻力方法,用于预测土壤中的石油碳化合物污染. 这种方法提供了一个改进的替代传统,昂贵和潜在的污染采样技术.
科学领域:
- 环境科学 环境科学
- 地质物理学 地质物理学
- 数据科学数据科学数据科学
背景情况:
- 传统的土壤污染物分析涉及昂贵的钻井采样,冒着水表污染的风险.
- 现有的地质物理方法缺乏与石油碳化合物度的准确相关性.
- 开发高效,非侵入性监测技术对于环境保护至关重要.
研究的目的:
- 通过机器学习和地电电阻力,提出和验证一种用于预测土壤中石油碳化合物度的新方法.
- 克服传统的土壤采样和地球物理调查方法的局限性.
- 建立一种廉价有效的方法来调查和监测土壤污染.
主要方法:
- 整合了三种机器学习模型 (KNN,随机森林,XGBoost) 与地电电阻力方法.
- 开发一个预测模型的石油碳化合物度在源区.
- 在测试和验证数据集上使用R平方和根平均平方误差指标验证模型.
主要成果:
- 基于电阻的预测方法表现出高效,达到0.91 (测试) 和0.94 (验证) 的R平方值.
- 低根平均平方误差为0.19,表明该模型在预测污染物度方面的准确性.
- 该方法通过使用现实世界站点数据成功验证,证实了其实际适用性.
结论:
- 机器学习和地电电阻的结合方法是预测土壤石油碳化合物污染的可行和有效工具.
- 这种技术作为土壤污染调查和监测的廉价替代方案,具有显著的优势.
- 该研究强调了机器学习应用在环境地质物理学中的潜力,以加强网站评估.
相关概念视频
01:23Linear Approximations
For a differentiable function of two variables, linear approximation estimates values near a known point by replacing the curved surface with its tangent plane. Consider the function\begin{equation*}f(x,y)=x^2+3y^2\end{equation*}near the point (2, 1). The exact value at this point is f(2, 1) = 22 + 3(1)2 = 4 + 3 = 7.The linear approximation of f(x, y)) near (a, b) is\begin{equation*}L(x,y)=f(a,b)+f_x(a,b)(x-a)+f_y(a,b)(y-b)\end{equation*}First, compute the partial derivatives: fx(x, y) = 2x and...
01:26Microbial Bioremediation of Hydrocarbons
Bioremediation is an environmentally sustainable process that employs living organisms—primarily microorganisms—to degrade or neutralize pollutants from contaminated environments. In oil spills and hydrocarbon pollution, bioremediation involves the use of hydrocarbon-degrading bacteria to transform toxic compounds into less harmful substances. This approach leverages natural microbial metabolic processes and is considered both cost-effective and ecologically favorable compared to physical or...