使用部分最小方程和模糊逻辑对土壤重金属污染的风险评估进行建模:关于沟类型煤炭固体废物填埋场的案例研究

科学领域:

• 环境科学 环境科学
• 地质化学 地质化学
• 遥感 遥感 遥感 遥感

背景情况:

• 煤炭固体废物 (CSW) 垃圾场不断释放重金属,造成生态破坏和环境污染.
• 快速而准确地监测CSW垃圾场对于评估和控制相关的环境风险至关重要.

研究的目的:

• 开发和验证一种新的复合模型 (PLS-FL),用于预测重金属度和评估CSW垃圾场的污染风险水平.
• 将PLS-FL模型的性能与用于重金属估计的传统机器学习方法进行比较.

主要方法:

• 开发了一个综合模型,集成了部分最小平方回归 (PLSR) 和模糊逻辑推理 (FLI).
• 用PLSR进行重金属预测,评估了各种光谱转换方法 (FD,SD,RL,CR) 和变量选择 (CARS).
• PLS-FL模型的PLSR组件与支持矢量机器 (SVM),随机森林 (RF),极端学习机器 (ELM) 和KNN进行了比较.

主要成果:

• 该PLS-FL模型,特别是衍生变换和CARS,实现了高估计准确度 (R2C>0.80,R2P>0.50).
• 与SVM,RF,ELM和KNN相比,PLSR显示出更高的平均预测准确度.
• 模糊逻辑推理 (FLI) 通过减少对专家意见的依赖来提高模型的客观性.
• 重金属污染集中在峡谷底部,在北部严重程度更高,在东部临时存储区确定了一个高风险区.

结论:

• PLS-FL模型提供了一种可靠和客观的工具,用于评估CSW垃圾场中的重金属污染和相关风险.
• 该模型的发现为有针对性的环境监测和风险管理策略提供了关键数据.
• 这种方法使监管机构能够对大规模污染事件进行快速评估,并支持可持续的环境管理.