可解释的机器学习用于预测五二在地下水中的命运和运输
Mehran Rad1, Azra Abtahi2, Ronny Berndtsson3
1Department of Agriculture and Food, Research Institutes of Sweden (RISE), Box 5401, SE-402 29, Göteborg, Sweden; Division of Water Resources Engineering, Department of Building and Environmental Technology, Lund University, Box 118, SE-221 00, Lund, Sweden.
Environmental pollution (Barking, Essex : 1987)
|January 26, 2024
概括
机器学习 (ML) 模型有效预测五二 (PCP) 地下水污染. 基于树的ML适合不完整的数据,帮助现场管理人员进行具有成本效益的监测和修复计划.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 数据科学数据科学数据科学
背景情况:
- 五二 (PCP) 是一种持久性,有毒的地下水污染物.
- 了解PCP地下的行为对于有效的修复至关重要.
- 机器学习 (ML) 为环境数据分析提供了新的工具.
研究的目的:
- 应用ML来理解地下水中的PCP运输动态.
- 确定PCP命运的关键水文地质和水化驱动因素.
- 加强对受污染地下水现场监测和修复的决策.
主要方法:
- 评估了6种可解释的ML方法 (线性和基于树的回归器).
- 使用SHAP (夏普利添加式扩展) 来实现模型的解释性.
- 在瑞典两个受污染的地下水场所验证的模型.
主要成果:
- 线性ML模型准确地预测完整数据集的PCP.
- 基于树的ML模型更适合缺失值的数据集.
- 确定了关键驱动因素:醇,四醇,溶解有机碳和导电性的总和.
结论:
- ML提高了对地下水污染运输的理解.
- 机器学习方法可以填补确定性模型留下的知识空白.
- ML有助于针对地规划地下水监测和修复,降低成本.


