基于人工神经网络模型的重金属的潜在风险评估和发生特征,沿长江河口,中国,中国
Zhirui Zhang1, Sha Lou2,3, Shuguang Liu1,4
1Department of Hydraulic Engineering, Tongji University, Shanghai, 200092, China.
Environmental science and pollution research international
|April 22, 2024
概括
在长江河口 (YRE) 的重金属污染构成风险, (As) 和 (Cd) 被确定为主要污染物. 一个新的人工神经网络 (ANN) 模型准确地预测了污染水平,帮助了环境保护工作.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 生态毒理学 生态毒理学
背景情况:
- 河口环境面临重金属污染的风险,影响水生生态系统和人类健康.
- 在复杂的河口水域预测重金属污染仍然具有挑战性.
- 现场观测和先进的建模对于理解和减轻这些风险至关重要.
研究的目的:
- 分析长江河口 (YRE) 水和沉积物的重金属度.
- 评估与重金属污染有关的人类健康和生态风险.
- 开发一个准确的重金属污染在河口环境的预测模型.
主要方法:
- 在不同季节 (2021) 期间在YRE的七个地点进行现场采样.
- 在水和表面沉积物中分析七种重金属 (As,Cd,Cr,Pb,Cu,Ni,Zn).
- 人类健康风险评估,地缘积累指数 (Igeo),潜在生态风险指数 (RI),主要组件分析 (PCA) 和人工神经网络 (ANN) 建模.
主要成果:
- 在水和沉积物中,重金属度遵循特定的顺序,Zn在两者中都是最高的.
- (As) 带来了慢性和致癌风险,而Cd是造成生态风险的主要因素.
- PCA确定人为排放是As的主要来源和Cd.的大气沉积.
- 一个修改后的ANN模型结合了生化参数,在预测重金属污染时获得了95.1%的准确性.
结论:
- (As) 和 (Cd) 是 YRE 中的重要污染物.
- 开发的ANN模型为预测重金属污染提供了一个高度准确的工具.
- 这项研究为河口污染管理和预防策略提供了宝贵的见解.
