【技术实现步骤摘要】
一种基于机器学习的湖泊溶解性有机物性质预测的方法
[0001]本专利技术涉及环境
,特别涉及一种机器学习的湖泊溶解性有机物性质预测的方法。
技术介绍
[0002]全球碳排放加剧导致全球变暖,内陆湖泊被视为重要的碳排放源,了解湖泊中溶解性有机物的组成和性质有助于了解湖泊碳循环趋势。溶解性有机物组分检测主要通过傅里叶变换离子回旋共振质谱仪器,但由于成本高昂、分析步骤复杂需消耗大量人力物力,随着机器学习等方法的出现,它能够处理多变量与标签的关系,同时做出快速准确预测,通过对数据集的筛选和模型参数的调整,能达到较好的预测效果,但是在湖泊溶解性有机物的应用较少。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的不足和填补空白,提供一种机器学习的湖泊溶解性有机物性质预测的方法,能够实现对湖泊溶解性有机物性质准确快速的预测。
[0004]为达成上述目的,本专利技术的解决上述技术问题的方案如下:一种机器学习的湖泊溶解性有机物性质预测的方法,包括如下步骤:
[0005]步骤S1采集中国40个湖泊水样;
[0006]步骤S2检测水样理化性质、微生物组分、溶解性有机物组分,收集湖泊及其流域的人文指标和土地使用类型数据,建立湖泊数据库;
[0007]步骤S3对特征数据集使用机器学习特征选择方法进行特征筛选,得到筛选特征集;
[0008]步骤S4基于机器学习算法将筛选数据集输入到机器学习随机森林模型进行训练,并调节机器学习随机森林的参数使其达到准确性要求,得到预测湖泊溶 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的湖泊溶解性有机物性质预测的方法,其特征在于,包括如下步骤:S1采集中国40个以上的湖泊水样;S2检测水样理化性质、微生物组分、溶解性有机物组分,收集湖泊及其流域的人文指标和土地使用类型数据,建立湖泊数据库;S3对特征数据集使用机器学习特征选择方法进行特征筛选,得到筛选特征集;S4基于机器学习算法将筛选数据集输入到机器学习随机森林模型进行训练,并调节机器学习随机森林的参数使其达到准确性要求,得到预测湖泊溶解性有机物性质机器学习模型;S5根据调整后的随机森林模型进行10折交叉验证,得到模型的预测结果。2.根据权利要求1所述的基于机器学习的湖泊溶解性有机物性质预测的方法,其特征在于,所述步骤S2中检测水样理化性质、微生物组分、溶解性有机物组分,收集湖泊及其流域的人文指标和土地使用类型数据,建立湖泊数据库,具体步骤包括:S2.1检测水样的:总氮含量,化学需氧量,微生物组分(真菌和细菌门水平丰度、Chao和Shannon指数)以及溶解性有机物组分;S2.2通过地图、数据库、政府公报和年鉴收集湖泊流域的经纬度、海拔、年平均降雨量、年平均温度、空气质量指数、生产总值密度、人口密度、土地使用类型(人工地表、农用地、水体、湿地、森林、灌木草地和其他),建立湖泊数据库;S2.3根据测得的溶解性有机物组分计算其两个性质:降解程度指数和生物可利用性,降解程度指数的公式为:I
deg
=∑(I
deg,neg
)/∑(I
deg,neg
+I
deg,pos
)其中:I
deg,neg
:负相关溶解性有机物丰度,C
21
H
26
O
11
,C
17
H
20
O9,C
19
H
22
O
10
,C
20
H
22
O
10
,C
20
H
24
O
11
;I
deg,pos
:正相关溶解性有机物丰度,C
...
【专利技术属性】
技术研发人员:邓鹏,胡献刚,罗吉伟,于福波,王忠玮,
申请(专利权)人:南开大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。