随机森林算法的使用用于对放射性的转移因子土壤-植物的预测建模:可行性研究

科学领域:

• 环境科学 环境科学
• 放射化学 放射化学是指辐射化学.
• 计算建模 计算建模

背景情况:

• 准确预测放射性土壤植物转移因子对于环境风险评估至关重要.
• 现有的 (半机械) 模型依赖于许多假设和固定的参数,限制了它们的预测能力.
• 机器学习为模拟复杂的环境过程提供了数据驱动的替代方案.

研究的目的:

• 开发和评估一个随机森林 (RF) 预测模型,用于放射性的土壤植物转移因子.
• 将射频模型的性能与已建立的 (半机械) 模型进行比较.
• 确定影响放射性从土壤转移到植物的关键共同变量.

主要方法:

• 利用德国的放射土壤植物转移因子数据集,包括多个共同变量.
• 应用随机森林 (RF) 算法,使用R库 ('party', 'caret') 构建一个预测模型.
• 使用根平均平方误差 (rmse) 和平均绝对误差 (mae) 量化模型性能.

主要成果:

• 结合10个共同变量 (例如植物家族,土壤类型,度) 的RF模型,与两个 (半机械) 模型相比,显示出更高的预测准确性.
• 射频模型成功地重现了六个数量级的实验数据变化.
• 类别的共同变量,特别是分类植物家族和植物部分,对转移因子的影响比土壤pH等数值共同变量更大.

结论:

• 随机森林 (RF) 建模是预测放射性的土壤-植物转移因子的一个有希望和有效的工具.
• 射频模型捕捉数据变化的能力超过传统模型,提供更高的准确性.
• 进一步开发需要更大,更全面的数据集,以及广泛的共同变量信息,以创建广泛适用的预测模型.