机器学习方法用于预测泥炭地地区的微塑料污染.
Huu-Tuan Tran1, Mohammed Hadi2, Thi Thu Hang Nguyen3
1Laboratory of Ecology and Environmental Management, Science and Technology Advanced Institute, Van Lang University, Ho Chi Minh City 700000, Viet Nam; Faculty of Applied Technology, School of Technology, Van Lang University, Ho Chi Minh City 700000, Viet Nam.
Marine pollution bulletin
|August 28, 2023
概括
科学家可以使用简单的测量方法,如pH值和盐度,预测泥炭地沉积物中的微塑料 (MP) 污染. 这项研究提供了一种监测环境污染的新方法.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 生态生态学 生态生态学
背景情况:
- 微塑料 (MP) 污染是一个日益严重的环境问题,特别是在像泥炭地这样的敏感生态系统中.
- 精确量化沉积物中的MPs是具有挑战性的,阻碍了有效的监测和管理策略.
研究的目的:
- 探索使用易于测量的物理化学参数预测泥炭地沉积物中的微塑料数量的潜力.
- 开发和评估基于沉积物特性进行MP预测的机器学习模型.
主要方法:
- 使用相关性和贝叶斯网络分析来确定物理化学变量 (pH,TOC,盐度) 和MP量之间的关联.
- 三种机器学习模型 - 最小方形支向量机 (LS-SVM),随机森林 (RF) 和长短期记忆 (LSTM) - 被训练并测试了MP预测.
主要成果:
- 物理化学性质,特别是pH值,有机碳总量 (TOC) 和盐度,显著影响了泥炭土沉积物的MP数量和特征 (颜色,形状).
- 这三种机器学习模型都在使用所选参数预测MP量方面取得了相当大的准确性.
结论:
- 基本的物理化学变量可以有效地用于预测泥炭地沉积物中的微塑料污染水平.
- 这种方法为估计各种环境中的MP污染提供了基本方法,促进了更广泛的监测工作.


