随机森林回归模型在地下水水质评价的新应用
地下水水质评价是地下水研究的一个重要课题,研究更精确、更适用的地下水水质评价模型具有重要意义.近年来应用较多的评价模型存在适用性小、精确度低的问题,其中主要原因在于现有的水质评价标准中,不同因子的等级分类标准不一,同一因子不同等级取值区间不一致等问题,而现有模型无法克服不同因子自身评价等级不匹配以及无法有效处理多重因子之间的相互影响.针对水质评价存在的问题,本文将研究一个能有效克服上述问题,且精确度较高、适用性更广的水质评价模型.基于北京市地下水监测网中污染源监测网的数据,选取大兴区作为研究区域,以大兴区2018年至2020年持续进行监测的39个点位作为研究点,根据监测点历年监测水样,选取化验数据中影响水质环境较为明显的pH值、Cl-、NO3-、SO2-4、Na+、NH4+、Mn-、耗氧量(CODMn)、总硬度、溶解性总固体这10项指标作为水质评价因子,利用随机森林回归算法对其进行评价分析,得到研究区2018～2020年地下水水质等级指数,显示出研究区水质质量总体呈先变差后变好的趋势,其中Na+、SO2-4、NO3-对水质等级影响较大.随机森林与常用的支持向量机(SVM)和人工神经网络算法以及高斯过程方法做对比,随机森林算法数据对水质评价具有更高的分类准确性和更高的灵敏度,适用于地下水水质评价.
水质评价、地下水、随机森林、神经网络、回归、大兴区、北京
59
P641;X824(水文地质学与工程地质学)
城市空间信息工程北京市重点实验室经费项目20210219
2023-04-18（万方平台首次上网日期，不代表论文的发表时间）
共10页
408-417
