10.3969/j.issn.1000-1379.2023.01.021
黄河下游豫北区高砷地下水空间分布研究
不同类型机器学习模型对地下水砷的预测存在较大差别,现有机器学习模型不能较好预测地下水砷的空间分布.基于黄河下游豫北区1081个浅层地下水砷质量浓度实测值,结合人类活动、气候、沉积环境、土壤理化特征、水文地质等环境因子,构建以随机森林(RF)、极端梯度提升(XGBoost)、支持向量机(SVM)为基学习器,线性判别分析(LDA)为元学习器的堆叠(Stacking)集成学习模型,对研究区高砷地下水空间分布进行预测,并对关键环境变量进行识别.结果表明:研究区地下水砷质量浓度为0.01~190μg/L,超标率为16.74%;相对于RF、XGBoost、SVM模型,Stacking集成学习模型ROC曲线下面积(AUC)、准确率(Accuracy)、特异性(Specificity)和敏感性(Recall)最大;研究区高砷地下水主要分布在太行山前洼地及黄河决口扇地区,占总面积的33.81%;黄河决口情况、年均气温、年降水量、高程、水力梯度是影响研究区高砷地下水分布的重要环境变量,沉积环境与地下水中砷富集显著相关.
高砷地下水、Stacking集成学习模型、黄河下游、豫北地区
45
P641(水文地质学与工程地质学)
国家自然科学基金;河北省自然科学基金优秀青年科学基金资助项目;生态环境部中央环保项目;华北水利水电大学硕士创新能力提升工程资助项目
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
112-117,122