机器学习的应用在微波修复总石油碳化合物污染的土壤:预测和关键因素的识别
Jun Fang1, Qian Geng2, Yuan Yuan2
1School of Civil Engineering, Xi 'an University of Architecture and Technology, Xi 'an, 710055, China.
Journal of environmental management
|July 19, 2025
概括
微波热修复有效地从土壤中去除石油碳化合物. 机器学习模型,特别是优化的极端梯度提升,准确地预测去除率,确定微波温度作为关键因素.
科学领域:
- 环境工程 环境工程
- 土壤修复技术 土壤修复技术
- 机器学习应用 机器学习应用
背景情况:
- 石油碳化合物污染对环境构成风险.
- 微波热修复 (TPH) 提供有效的土壤清洁.
- 由于非线性因素,预测TPH去除率是复杂的.
研究的目的:
- 开发精确的机器学习模型来预测TPH移除率.
- 优化机器学习模型以提高性能和效率.
- 为了确定影响TPH去除的关键操作参数.
主要方法:
- 构建了217个TPH移除实例的数据集.
- 开发并比较了随机森林,SVR,BPNN和XGBoost模型.
- 使用贝叶斯优化 (TPE) 优化了XGBoost模型.
- 使用SHAP和PDP进行了可解释性分析.
- 量化预测不确定性与引导重新抽样.
主要成果:
- 优化的XGBoost模型实现了高精度 (RMSE = 4.58%,R2 = 0.9658).
- 微波温度被确定为影响去除率的最重要因素.
- 处理时间和水含量也是重要的影响因素.
- 该模型提供了准确的预测和量化的不确定性.
结论:
- 优化的XGBoost模型为预测TPH移除提供了一个强大的框架.
- 了解关键参数可以提高土壤修复的效率和规划.
- 该方法支持适应性土壤整治和智能决策.
