空间分析和软计算建模用于对可饮用地下水中的潜在有毒元素的危险评估

科学领域:

• 环境科学 环境科学
• 水文地质学 水文地质学
• 分析化学 分析化学

背景情况:

• 杜恩山谷的快速城市化和工业化导致地下水质量恶化.
• 潜在有毒元素 (PTE) 对水资源和人类健康构成重大威胁.

研究的目的:

• 分析杜恩谷地下水中的六种PTE (Cr,Ni,As,Mo,Cd,Pb) 的空间分布和相关危险.
• 利用机器学习算法来预测水质和识别有影响力的PTE.

主要方法:

• 地下水样本从杜恩谷的各个地点收集.
• 六种PTE的度使用诱导合等离子体质谱法 (ICP-MS) 进行测量.
• 机器学习模型,包括辐射基函数神经网络 (RBF-NN) 和多层感知神经网络 (MLP-NN),用于预测.

主要成果:

• (Mo) 的PTE平均度最高,其次是 (Ni), (Pb), (As), (Cr) 和 (Cd).
• 所有分析的PTE水平和计算的风险都低于确定的安全限值.
• 在预测污染指数和健康风险方面,RBF-NN显示出高精度 (R2 0.912-0.976),而MLP-NN显示出健康风险指数的更高精度 (R2 0.887-0.995).

结论:

• 虽然目前杜恩谷地下水中的PTE水平处于安全范围内,但持续监测至关重要.
• 机器学习模型,特别是RBF-NN,是预测地下水质量和评估相关健康风险的有效工具.
• 该研究强调了了解PTE分布和利用水资源管理的先进分析和预测技术的重要性.