识别地下水中酸盐的空间模式和驱动因素,使用可解释堆叠集体学习的新框架
Xuan Li1,2, Guohua Liang1, Lei Wang3
1School of Hydraulic Engineering, Dalian University of Technology, Dalian, 116024, China.
Environmental geochemistry and health
|October 29, 2024
概括
一个新的可解释堆叠集体学习 (SEL) 框架准确预测地下水中酸盐水平. 这种方法确定了污染的主要驱动因素,有助于保护水资源和环境管理.
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:
- 地下水的酸盐污染是全球环境和人类健康问题.
- 现有的空间预测模型往往缺乏可解释性和高准确性.
研究的目的:
- 开发和验证可解释的堆叠集体学习 (SEL) 框架,以进行增强的地下水酸盐空间预测.
- 通过SHapley添加剂扩张 (SHAP) 识别地下水酸盐污染的关键驱动因素.
主要方法:
- 实施了一种两级异构的SEL模型,整合了五种基本机器学习模型.
- 利用夏普利添加式解释 (SHAP) 进行模型解释性和因子识别.
- 将框架应用于英国伊甸谷,这是一个农业密集的地区.
主要成果:
- 在预测性能和概括方面,SEL模型显著超过了个别基准模型.
- 确定了平均地下水酸盐水平为2.22 mg/L-N,其中2.46%的含水层超过饮用标准.
- 揭示了传导性,基流指数,液压导电性,耕地百分比和土壤C:N比率是关键驱动因素.
结论:
- 可解释的SEL框架为地下水酸盐预测提供了高精度,灵活的方法.
- 这些发现为污染机制和驱动因素提供了宝贵的见解.
- 这一框架对环境管理和水资源保护具有重大前景,特别是在数据稀缺的地区.
更多相关视频
05:04Author Spotlight: Understanding Riverine Nitrogen Impacts and Primary Productivity for Effective Nutrient Management
Published on: July 14, 2023
354
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
10.2K
