混合智能评价模型下的农田土壤重金属污染风险评估.pdfVIP

摘要

农田作为国家重点保护的土地资源，其土壤质量和环境健康对农业生产和食品安

全至关重要，因此开展土壤重金属污染研究工作具有重要意义。然而传统的土壤重金

属污染风险评估手段耗时长、成本高、速度慢，如何利用少量农田土壤采集样本准确、

快速、便捷地评估整个研究区域的重金属污染情况是一个值得研究的问题。本文提出

一种基于混合智能评价模型的农田土壤重金属污染风险评估方法，同时结合地理信息

系统空间分析技术，以As、Cd、Cr、Hg、Pb、Zn、Cu和Ni共8种土壤重金属为

研究对象，选取武汉市黄陂、新洲两个农田主要分布区的实地采样数据进行实验验证，

旨在为土壤污染调查等实际工作提供一种新的思路。本文的主要研究内容有以下几个

方面：

（1）基于半监督协同训练的土壤重金属含量预测。为了有效地扩大研究样本的

规模，本文选用多项式回归、随机森林回归、贝叶斯回归和偏最小二乘回归4种常用

4

回归算法分别构建协同训练模型，通过实验验证种模型的预测效果，选出其中性能

8

表现最优的预测模型。实验结果显示，基于贝叶斯回归的协同训练模型对种重金属

含量预测的性能表现最好，其平均均方根误差为2.6778，相较于协同训练半监督回归

算法（Co-trainingSemi-supervisedRegressionAlgorithm，简称COREG）缩小了0.624，

表明使用该模型来预测土壤重金属含量可以有效提升预测精度，避免了训练数据量不

足、结果过拟合等问题。

2

（）基于多核支持向量机的土壤重金属污染风险评估。对比网格有哪些信誉好的足球投注网站、随机搜

5

索、粒子群算法、人工鱼群算法和鸟群算法种参数选取办法对多核支持向量机的分

类效果表现，实验结果显示，粒子群算法表现最佳，其分类准确率为92.3%。针对粒

子群算法缺陷，将遗传的算法交叉和变异操作引入到粒子群算法中，通过实验得出，

改进后的遗传粒子群算法使得多核支持向量机的分类准确率达到96.8%，提升了4.5%。

而后使用多核支持向量机学习土壤重金属污染相关标准，接着完成对加密样本点的土

壤污染状况评价。

（3）样本数量与土壤重金属污染风险评估准确率之间的关系研究。针对已构建

的混合智能评价模型，进一步探讨在研究范围，即面积一定的情况下，模型中重金属

含量预测的样本数量对污染风险评估准确率的影响。实验结果显示，当数据量达到

639组之后，模型评估的准确率稳定在了97.42%。

关键词：多核支持向量机；协同训练；土壤重金属污染风险评价；耕地保护；混合智

能评价模型

I

ABSTRACT

Asakeylandresourceundernationalprotection,thesoilqualityandenvironmental

healthoffarmlandarecrucialtoagriculturalproductionandfoodsafety,soitisimportant

tocarryoutresearchworkonsoilheavymetalcontamination.However,traditionalmeans

ofriskassessmentofsoilheavymetalpollutionaretime-consuming,costlyandslow,so

howtoaccurately,quicklyandconvenientlyassesstheheavymetalpollutionofthewhole

studyareausingasmallnumberoffarmlandsoilcollectionsamplesisaproblemworth

studying.Inthispaper,weproposeariskassessmentmethodo