基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究

摘要：

该研究基于自组织神经网络(SOM)和K-means方法,以华中地区某铬渣污染场地为研究对象,探讨了 SOM+K-means方法应用于场地地下水污染分区管控的可能性.通过监测数据的描述性统计分析场地地下水污染特征,发现Cr(Ⅵ)、CODMn、SO42-、TDS、NO3-、NH3-N、Mn为研究区的主要污染物.基于SOM+K-means分析挖掘,并基于空间插值方法,将研究区地下水分为4类区域,并识别出每类区域需重点关注的污染指标.结果显示:类别Ⅰ需关注NO3-;类别Ⅱ需关注Cr(Ⅵ)、CODMn、NO3、TDS、NH3-N;类别Ⅲ需关注SO42-;类别Ⅳ需关注Mn.该方法可较好地应用于地下水污染分区管控,对场地地下水污染防治具有指导意义.

关键词：机器学习、自组织神经网络、K-means、地下水污染、分区管控

所属期刊栏目：40

分类号：X502;X824;TU991.2

资助基金：国家重点研发计划;国家重点研发计划;国家重点研发计划

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：31-41,47