基于RBF神经网络的场地重金属污染三维空间分布计算

摘要：

分析污染场地重金属污染的三维空间分布,能够帮助准确掌握场地内重金属的污染范围及污染程度,对土壤修复治理方案的制定具有重要参考价值.以某停产的热镀锌厂原厂址为研究区,首先通过分析三种径向基函数神经网络的预测精度,确定了用于计算研究区重金属Zn含量三维空间分布的最优径向基函数,并构建了基于RBF神经网络的污染物三维空间分布计算模型;然后利用该模型对研究区内重金属Zn含量的三维空间分布进行了计算;最后利用ArcEngine二次开发的土壤重金属污染三维可视化系统对预测结果进行了三维可视化显示,并对Zn污染的土方量进行了计算.结果表明:以高斯函数作为径向基函数的RBF神经网络的预测精度最高;研究区地下[0,5)m的土层中Zn的平均质量分数为492.4 mg·kg-1,约为背景值(89 mg·kg-1)的5.5倍,被Zn污染的总土方量为33601.30 m3,说明研究区土壤的Zn污染程度较严重;Zn污染区域主要集中在研究区中部及中部偏东区域,且地下[0,2)m土层受污染最严重;垂直方向上,随土层深度的增加,土壤中Zn含量逐渐减小.

关键词：RBF神经网络、三维空间分布、重金属污染、Zn

所属期刊栏目：41

分类号：X53(土壤污染及其防治)

资助基金：河南省自然科学基金;河南省水利科技攻关项目

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：150-156