[基于机器学习和情景分析的中国工业企业的土壤污染预测]

科学领域:

• 环境科学 环境科学
• 数据科学数据科学数据科学
• 工业生态学 工业生态学

背景情况:

• 焦化企业对土壤污染物的连续监测数据很少,这阻碍了准确的污染预测.
• 预测未来的土壤污染趋势对于焦炭行业的环境管理和整治策略至关重要.

研究的目的:

• 开发基于机器学习的土壤污染预测模型,用于化工业企业.
• 确定影响这些企业土壤污染的主要控制因素.
• 根据各种情景,预测2025年和2030年的土壤污染情况.

主要方法:

• 从企业特征,管理水平,污染物特征和自然元素中选择了13个潜在因素.
• 采用机器学习模型,包括支持向量机,BP神经网络,决策树和物流回归.
• 基于确定控制因素,预测了2025年和2030年的污染情景.

主要成果:

• 确定了关键的控制因素:企业服务时间,建立时间,环境违法行为,土壤粘土含量和年度风速.
• 后勤模型的表现优于其他模型,在接收器操作特征曲线 (AUC) 下的面积为0.91,准确度为84%,回忆率为88%.
• 预计的高概率污染地块范围在1599至1715到2025年和1671至1715到2030年之间,具体取决于情景.

结论:

• 开发的物流模型为预测炼行业的土壤污染提供了强大的工具.
• 这些发现为土壤环境修复和化企业生态环境战略制定提供了科学基础.
• 解决企业历史和环境合规等因素对于减轻土壤污染风险至关重要.