相关实验视频
Updated: Jul 6, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
使用替代模型和统计分析进行现场范围的地下水污染风险评估
Lei Tian1, Litang Hu1, Dong Wang2
1College of Water Sciences, Beijing Normal University, Beijing 100875, China; Engineering Research Center of Groundwater Pollution Control and Remediation of Ministry of Education, Beijing 100875, China; Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, Beijing 100875, China.
监控自然减弱 (MNA) 有效地降低了石化工厂的污染风险. 机器学习模型通过考虑参数不确定性来提高风险评估的准确性,显示污染超值概率的显著下降.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 机器学习 机器学习
背景情况:
- 石油污染构成了全球环境威胁,需要有效的补救策略.
- 监控自然衰减 (MNA) 是对石油化学污染现场的一种有前途的现场技术.
- 传统的决定性模型在MNA可行性评估中与地点异质性和参数不确定性作斗争.
研究的目的:
- 开发一种可靠的方法来评估石油化工场所的MNA可行性,考虑到参数不确定性.
- 使用物理模型和时间序列数据模拟漏和自然衰减.
- 采用机器学习来构建随机参数模型以提高风险评估.
主要方法:
- 使用GMS软件建立了一个物理模型,用于中国北部一个被石化污染的地点.
- 利用时间序列的醇度数据 (2018-2020年) 来模拟污染物运输和衰减.
- 应用随机森林回归 (RFR) 来构建随机参数模型,根据数值输出 (NSE>0.96) 进行验证.
主要成果:
- 吸附系数和最大吸附能力被确定为影响模型结果的关键因素.
- 随机RFR模型预测了醇度超值概率的显著降低,从64.0%降至15.7%.
- 孔隙性被确定为缓解污染风险的随机模型中最有影响力的参数.
结论:
- 基于机器学习的随机模型为MNA可行性评估提供了可靠的方法,克服了决定性模型的局限性.
- 该研究提出了一种新方法,用于快速评估石油化学工厂的污染风险,这些工厂的条件异质或数据有限.
- 这些发现为石化污染现场的风险评估和管理提供了宝贵的见解,特别是那些具有复杂水地质特征的地区.
更多相关视频
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
相关概念视频
Typical Model Studies
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Design Example: Creating a Hydraulic Model of a Dam Spillway
Modeling and Similitude
Gravimetry: Overview
In precipitation gravimetry, the analyte is converted into a precipitate and weighed. For example, the silver content in a sample can be estimated by precipitating and...