机器学习模拟台湖中有机酸盐的年间变化和机器学习模拟

科学领域:

• 环境化学环境化学
• 生态毒理学 生态毒理学
• 数据科学数据科学数据科学

背景情况:

• 有机酸 (OPE) 是水生环境中普遍存在的污染物,引发了人们对其生态和人类健康影响的担忧.
• 了解OPE的时间和空间趋势对于有效的环境管理至关重要.

研究的目的:

• 为了比较2012年和2021-2022年间太湖表面水中的OPE度.
• 通过机器学习来确定影响OPE水平的关键环境和气象因素.
• 评估机器学习对监测OPE污染的有用性.

主要方法:

• 对2012年和2021-2022年太湖表面水样本中OPE度的分析.
• 应用随机森林 (RF) 模型来排列水和气象参数的重要性.
• 模拟OPE度,使用选定的影响性参数作为射频模型的输入.

主要成果:

• 2012年,OPE的整体度 (Σ7OPEs) 比2021-2022年高,这表明在十年内下降的趋势.
• 在2021-2022年没有观察到S7OPEs的显著季节性变化,与2012年夏季的较低度形成鲜明对比.
• 空间分布显示西北地区的下降趋势;氨,总,总,水温和相对湿度被确定为关键影响因素.
• 射频模型表现出高性能,特别是T nBP,具有出色的训练和测试R值.

结论:

• 在过去的十年里,太湖的OPE污染已经减少.
• 机器学习,特别是射频模型,是识别影响OPE的因素和监测水污染的宝贵工具.
• 环境参数如NH3-N,TN,TP,水温和相对湿度是湖泊系统中OPE度的关键驱动因素.