基于多源辅助变量和KELM...农田土壤重金属空间分布预测_肖配.pdf
《基于多源辅助变量和KELM...农田土壤重金属空间分布预测_肖配.pdf》由会员分享,可在线阅读,更多相关《基于多源辅助变量和KELM...农田土壤重金属空间分布预测_肖配.pdf(3页珍藏版)》请在咨信网上搜索。
1、2023.4电脑编程技巧与维护1概述农田土壤是农产品安全的基础,但也容易受重金属元素的污染,并可通过迁移转化影响农产品安全,因此土壤金属污染成为一个严峻的问题1。重金属污染元素具有持久性、高富集度等特点。土壤重金属污染不仅会影响农产品的质量安全,还会危害人的身体健康。目前,许多学者采用不同机器学习模型和多源辅助变量进行农田土壤重金属的空间分布预测研究。例如,不少研究人员将反向传播(BP)神经网络2、支持向量机回归(SVR)3、RF4和ELM5等机器学习模型与地形、遥感数据、气候数据等辅助变量相结合,应用于土壤重金属空间分布预测6。前人研究均验证了机器学习模型结合多源辅助变量在不同程度上提升了土
2、壤重金属预测精度。土壤重金属多源辅助变量选择很重要,因为输入辅助变量的维度关系到预测模型的拟合精度,所以选取合适的辅助变量来构造土壤重金属预测模型是必不可少的。近年来,ELM的变体KELM在气温预测、细颗粒物(PM2.5)浓度预测等领域都得到了很好的应用78。以某地区为研究区域,提出一种基于KELM模型结合多源辅助变量的土壤重金属空间分布预测模型,以此来提高土壤重金属预测精度,为土壤重金属空间分布预测提供新的研究思路。2材料和方法2.1材料在农田土壤中进行样品采集。(1)随机布设了684个采样点,取30cm深度范围内的表层土壤;(2)再将采集的土壤样品进行风干后磨碎;(3)过100目尼龙网筛;
3、(4)利用HCLO4消解液测定重金属As、Hg、Cd、Cr和Pb含量9。2.2辅助变量在考虑低成本和可行性的基础上,选取如下辅助变量作为后续土壤重金属空间分布预测模型的输入数据。(1)地形因子:包括高程、坡度、坡向、地形起伏度、坡度变率、坡向变率6个地形因子。(2)遥感数据:植被覆盖指数(NDVI)。(3)气候因子:年平均降水、年平均气温、年平均风速。(4)土壤属性因子:土壤pH值。2.3KELM 模型KELM模型是ELM模型的变体模型,可以提出基于ELM模型的一般结构公式,如公式(1)所示:(1)其中,i为ELM输入权值;bi为ELM为隐藏层阈值;i为ELM输出权值;gi()为激活函数;i为
4、一个隐节点;j为每个独立输入变量;k为隐藏层节点数;N为样本数。假设所建立的ELM模型为理想条件,则真实值与ELM模型预测值之间误差为零,公式(1)可改写为公式(2),具体如下:Ti=Hii(2)其中,Hi为隐藏层矩阵。因此,可利用公式(3)算出输出权重,具体如下:i=Hi*Ti=HiT(HiHiT)-1Ti(3)式中,Hi*为输出矩阵H的广义逆矩阵基金项目:国家重点研发开发项目(2016YFD0800902);111引智项目(D20015)。作者简介:肖配(1997),女,硕士,研究方向为土壤重金属空间分布预测。基于多源辅助变量和 KELM 模型的农田土壤重金属空间分布预测肖配(三峡大学计算
5、机与信息学院,湖北 宜昌443002)摘要:为了准确掌握土壤重金属的空间分布特征,以某地区为研究区域,利用核极限学习(KELM)模型结合多源辅助变量,对地区的土壤重金属空间分布进行预测。KELM 与随机森林(RF)和极限学习机(ELM)模型分别进行比较。结果表明:在选择的 3 种模型中进行农田土壤重金属预测时,5 种土壤重金属的 KELM 模型的均方根误差和相对平均误差均小于 ELM 模型和 RF 模型。因为均方根误差越小,模型预测精度越高,所以 KELM 模型预测精度更高、预测效果更好。因此,KELM 模型可以作为土壤重金属空间分布预测一种有效方法,为农田土壤环境保护提供有效技术支持。关键词
6、:农田土壤;重金属;辅助变量;核极限学习机31DOI:10.16184/prg.2023.04.0342023.4电脑编程技巧与维护表15种土壤重金属描述性统计分析但ELM在训练过程中输入的权值是随机的,易影响模型的稳定性。针对ELM存在的问题,设计了KELM模型。用核函数代替ELM中的非线性映射,不仅加快了该模型对算法的学习速度,还提升了算法的精度及泛化能力10。在KELM算法中,核矩阵计算如公式(4)所示:(4)其中,h(xi)为KELM隐藏层的输出函数;K(xi,xj)为核函数。由此可得KELM的输出函数如公式(5)所示:(5)其中,I为对角矩阵;C为正则化因子。2.4模型评价指标采用平
7、均绝对误差(MAE)和均方根误差(RMSE)两个指标进行模型误差精度比较,计算公式如公式(6)和公式(7)所示:(6)(7)其中,n为样点个数,ti和pi为土壤重金属的真实值和预测值。3结果与分析3.1土壤重金属描述性统计如表1所示,采样土壤中重金属As、Cd和Pb的含量平均值均超过了当地重金属元素背景值;重金属Cr和Hg的含量平均值没有超过当地重金属元素背景值,但是这两种元素的最大值超过了当地重金属元素的背景值。另外,5种土壤重金属元素的变异系数分别为32.81、33.87、12.85、26.94和14.92,5种重金属元素均属中等程度变异,可能受到不同影响因子的不同程度的影响。3.2辅助变
8、量筛选为了选取合适的辅助变量,研究主要采用Pearson相关系数法进行辅助变量筛选,相关性分析结果如表2所示。按照Pearson相关系数分析得出5种土壤重金属和其他辅助变量之间的关系,选取合适的辅助变量进行土壤重金属预测模型的构建。3.3土壤重金属预测精度及空间分析3.3.1 土壤重金属预测精度以辅助变量数据作为输入,土壤重金属数据作为输出,分别构建RF、ELM和KELM的土壤重金属预测模型。建模后这3种模型预测各重金属元素误差精度实验结果,如表3所示。元素最小值(Min)(mgkg-1)最大值(Max)(mgkg-1)平均值(Mean)(mgkg-1)标准偏差(SD)(mgkg-1)变异系数
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 辅助 变量 KELM 农田 土壤 重金属 空间 分布 预测 肖配
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。