可以解释的机器学习在瓦多斯区的重新调动潜力:利用易于获得的土壤特性
Tho Huu Huynh Tran1, Sang Hyun Kim1, Quynh Hoang Ngan Nguyen2
1Water Cycle Research Center, Korea Institute of Science and Technology (KIST), Seoul 02792, Republic of Korea; Division of Energy and Environment Technology, KIST School, Korea University of Science and Technology, Seoul 02792, Republic of Korea.
Journal of hazardous materials
|April 27, 2025
概括
重复的湿干循环可以从毒区调动大量的 (As),造成地下水污染的风险. 一个机器学习模型使用土壤特性预测了这种重新调动.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 地质化学 地质化学
背景情况:
- 瓦多斯区对于防止地下水被 (As) 等元素污染至关重要.
- 以前的研究表明,重复的湿干循环可以从土壤中重新调动大量保留的.
- 低估这种重新动员可能会低估潜在的地下水污染.
研究的目的:
- 在湿干循环下,量化在瓦多斯区的重新调动.
- 基于土壤特性,开发一种重新调动的预测模型.
- 了解土壤特征对移动性的影响.
主要方法:
- 利用22个不和土壤柱来模拟具有不同土壤特性的瓦多斯区域.
- 接受A-保持土壤柱重复的湿干周期来测量重新移动化.
- 开发了一种机器学习模型 (随机森林) 用于使用土壤特性预测AS重新动员.
主要成果:
- 观察到13.9150.6 mg/kg的As (37.074.6%的保留的As) 的重新调动.
- 使用土壤特性建立了一个预测模型:有机物质 (OM),铁 (Fe) 含量,均系数,D30和散装密度.
- 沙普利的附加解释揭示了D30和OM含量作为As重新调动的关键预测因素.
结论:
- 湿干循环显著地从毒区重新调动,突出显示了地下水污染风险.
- 开发的机器学习模型有效地使用可访问的土壤特性预测的重新动员潜力.
- 土壤的特性,如D30和OM含量,是影响在瓦多斯区的流动性的关键因素.


