图片区小说区av区,久久爽人人爽av苍井空,国产美女自卫慰水免费视频

浙大/凱斯西儲大學ES&T：基于機器學習的土壤重金屬吸附預測及土壤吸附能力全球分布

研究土壤對重金屬的吸附對于了解重金屬的歸宿和正確評估相關環境風險具有重要意義。然而，現有的用于量化吸附的實驗方法和傳統模型既費時又無效。

在此，浙江大學王飛兒副教授以及美國凱斯西儲大學張慧春教授等人開發了用于六種重金屬（Cd(II)、Cr(VI)、Cu(II)、Pb(II)、Ni(II) 和 Zn(II)）土壤吸附的機器學習（ML）模型，使用了從150篇期刊文章中提取的4420個數據點（1105個土壤）。

作者研究6種傳統ML模型（分類回歸樹、線性回歸、隨機梯度下降回歸、支持向量回歸、嶺回歸、K-最近鄰）和4種集成模型（極端隨機樹、隨機森林、梯度提升決策樹、極端梯度提升）對土壤重金屬吸附的預測性能，從土壤、吸附系統和重金屬的特性中確定吸附的關鍵因素并首次預測了六種重金屬在全球范圍內的相對吸附能力。

圖1. 輸入參數對吸附的影響

結果表明，梯度提升決策樹（ GBDT）模型具有最佳預測性能。所涉及特征重要性排序如下：陽離子交換能力>平衡濃度> pH（土壤）>粘土含量>有機碳含量>離子半徑>水合離子半徑>土壤-溶液比 > pH（溶液）>第一電離能>離子強度 > 溶液溫度。

在此基礎上為六種金屬開發了六個獨立模型，以獲得比組合模型更好的模型性能。使用這些獨立模型，可以根據已知的土壤特性預測土壤上重金屬吸附能力的全球分布。當土壤/沉積物的吸附量已知時，還使用相同的數據集建立了反向模型，包括所有六種金屬的一個組合模型和六個獨立模型，以預測水中的重金屬濃度。

圖2. 六種重金屬獨立模型的開發

Predicting Heavy Metal Adsorption on Soil with Machine Learning and Mapping Global Distribution of Soil Adsorption Capacities, Environmental Science & Technology 2021. DOI: 10.1021/acs.est.1c02479

原創文章，作者：科研小搬磚，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/12/e61d9bf3d6/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

浙大/凱斯西儲大學ES&T：基于機器學習的土壤重金屬吸附預測及土壤吸附能力全球分布

相關推薦