本发明专利技术公开了一种炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法、计算机装置及存储介质，炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法包括获取训练数据集和验证数据集，搭建基于软参数共享机制的多任务神经网络，将训练数据集输入至多任务神经网络进行训练，将验证数据集输入至多任务神经网络进行结果预测，获取多任务神经网络输出的镉钝化率和甲烷减排率协同预测结果等步骤。本发明专利技术可以同时预测炭基生物地质催化材料钝化镉和减排甲烷的效率，无计算化学基础的研究人员也可方便使用，大大减少了人力物力的浪费，对炭基生物地质催化材料修复重金属污染土壤并减少温室气体排放具有重要意义。本发明专利技术广泛应用于机器学习技术领域。应用于机器学习技术领域。应用于机器学习技术领域。
【技术实现步骤摘要】
炭基地质催化材料固定镉协同甲烷减排预测方法、装置及介质
[0001]本专利技术涉及环境保护与机器学习技术的交叉领域，尤其是一种基于多任务深度学习的可解释性的炭基生物地质催化材料固定镉协同甲烷减排效果的预测方法、计算机装置及存储介质。
技术介绍
[0002]土壤镉污染是威胁可持续发展的严重全球问题，特别是在一般呈酸性或微酸性的水稻土壤中，镉的毒性和生物有效性更高，更容易被植物吸收和利用，并通过膳食摄入对人类健康构成潜在威胁。与此同时，由土壤微生物作用，导致水稻田甲烷排放，据估算，稻田年甲烷排放量约为31
‑
112Tg，占全球温室气体排放量的5
‑
19％。因此，如何介导或调控微生物过程，驱动碳、铁、氮的元素循环过程，是实现对重金属自然稳定化，以及甲烷等温室气体排放，实现农田可持续发展的有效途径。炭基功能材料，特别是低成本的生物质源的炭基功能材料具有电子传递活性，是一种极具潜力的生物地质催化材料，可有效调控土壤中质子的产生、催化土壤污染物转化，最终实现土壤自然修复。然而，目前以生物炭为代表的炭基生物地质催化材料的施用效果受土壤条件，其自生理化性质以及制备条件的限制，收到多种参数的影响，难以实现精准性的治理目标。目前的相关技术只能单独预测炭基生物地质催化材料对镉钝化或者甲烷减排的处理效果，无法实现对多目标的协同效果的同时预测，因此无法评估炭基生物地质催化材料的双重环境保护效果。
技术实现思路
[0003]针对目前相关技术无法同时预测上述炭基生物地质催化材料修复土壤镉污染以及降低土壤甲烷排放等双重环保效果的技术问题，本专利技术的目的在于提供一种炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法、计算机装置及存储介质。
[0004]一方面，本专利技术实施例包括一种以生物炭为代表的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，包括：
[0005]获取训练数据集；所述训练数据集包括镉钝化和甲烷减排数据；
[0006]搭建基于软参数共享机制的多任务神经网络；
[0007]将所述训练数据集输入至所述多任务神经网络进行训练，使用不同参数值对经过训练的所述多任务神经网络进行预测验证，选择出参数组合最佳的多任务神经网络；
[0008]获取验证数据集；
[0009]将所述验证数据集输入至被选择出的所述多任务神经网络进行结果预测；
[0010]获取所述多任务神经网络进行结果预测后输出的镉钝化率和甲烷减排率协同预测结果。
[0011]进一步地，所述获取训练数据集，包括：
[0012]搜索以生物炭为代表的炭基生物地质催化材料修复镉污染土壤或影响甲烷排放
的已发表文献；
[0013]从所述已发表文献中收集参数数据组成所述训练数据集；所述参数数据包括炭基生物地质催化材料特性、土壤性质、施用条件和处理效果。
[0014]进一步地，所述搭建基于软参数共享机制的多任务神经网络，包括：
[0015]基于软参数共享设计多任务深度学习模型；所述多任务深度学习模型包括前馈深度学习神经网络，以及在所述前馈深度学习神经网络的基础上设计的多层神经网络；
[0016]对每层所述神经网络都采用张量跟踪规范。
[0017]进一步地，所述将所述训练数据集输入至所述多任务神经网络进行训练，包括：
[0018]获取所述训练数据集对应的镉钝化率和甲烷减排率的真实值；
[0019]将所述训练数据集输入至所述多任务神经网络；
[0020]获取所述任务神经网络输出的镉钝化率和甲烷减排率的预测值；
[0021]获取训练过程的总体损失值；所述总体损失值为所述预测值和所述真实值的均方误差的均值，与不同权重的共享层的迹范数总和的加和；
[0022]引入keep_prob参数来避免所述多任务神经网络过拟合；
[0023]采用RMSProp算法优化损失函数和学习率进行反向传播，更新所述多任务神经网络的参数。
[0024]进一步地，所述使用不同参数值对经过训练的所述多任务神经网络进行预测验证，选择出参数组合最佳的多任务神经网络，包括：
[0025]依次使用不同的参数值，通过五折交叉验证，对所述多任务神经网络进行多次预测验证；
[0026]选择一组最优的超参数，使得所述多任务神经网络在所述验证数据集上的效果达到最优。
[0027]进一步地，所述炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法包括：
[0028]在将所述训练数据集输入至所述多任务神经网络进行训练之前，对所述训练数据集进行预处理；
[0029]在选择出参数组合最佳的多任务神经网络之后，对被选择出的所述多任务神经网络进行SHAP分析。
[0030]进一步地，所述对所述训练数据集进行预处理，包括：
[0031]通过统一的转换原则，将所述训练数据集依次进行单位归一化处理；
[0032]对所述所述训练数据集中存在缺失值的数据点，采用多重插补填补相应的缺失值；
[0033]对所述训练数据集进行标准化处理。
[0034]进一步地，所述对被选择出的所述多任务神经网络进行SHAP分析，包括：
[0035]利用tf.train.Saver()操作，将被选择出的所述多任务神经网络保存到相应路径；
[0036]定义含模型加载路径的分析函数，加载并训练所述多任务神经网络；
[0037]将所述多任务神经网络预测定义为模型预测模块，接入shap.Kernel解释器；
[0038]利用SHAP分析，对所述多任务神经网络进行特征重要性、部分依赖图以及交互依
赖的分析，以解释模型结果。
[0039]另一方面，本专利技术实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法。
[0040]另一方面，本专利技术实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法。
[0041]本专利技术的有益效果是：实施例中的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，所构建的多任务神经网络模型可以用于同时预测炭基生物地质催化材料钝化镉和减排甲烷的效率，简便快捷、成本低廉，其流程简单，无计算化学基础的研究人员也可方便使用；执行炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法时不需要进行实验，只需输入炭基生物地质催化材料的理化性质、土壤条件及实验条件，就可以预测获得实验结果，大大减少了人力物力的浪费；炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法所构建的多任务神经网络模型经过五折交叉验证和参数优化调整，具有更强的稳定性和更好的预测能力，可以有效地指导炭基生物地质催化材料的设计与施用，对炭基生物地质催化材料修复重金属污染土壤本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，其特征在于，所述炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法包括：获取训练数据集；所述训练数据集包括镉钝化和甲烷减排数据；搭建基于软参数共享机制的多任务神经网络；将所述训练数据集输入至所述多任务神经网络进行训练，使用不同参数值对经过训练的所述多任务神经网络进行预测验证，选择出参数组合最佳的多任务神经网络；获取验证数据集；将所述验证数据集输入至被选择出的所述多任务神经网络进行结果预测；获取所述多任务神经网络进行结果预测后输出的镉钝化率和甲烷减排率协同预测结果。2.根据权利要求1所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，其特征在于，所述获取训练数据集，包括：搜索以生物炭为代表的炭基生物地质催化材料修复镉污染土壤或影响甲烷排放的已发表文献；从所述已发表文献中收集参数数据组成所述训练数据集；所述参数数据包括炭基生物地质催化材料特性、土壤性质、施用条件和处理效果。3.根据权利要求1所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，其特征在于，所述搭建基于软参数共享机制的多任务神经网络，包括：基于软参数共享设计多任务深度学习模型；所述多任务深度学习模型包括前馈深度学习神经网络，以及在所述前馈深度学习神经网络的基础上设计的多层神经网络；对每层所述神经网络都采用张量跟踪规范。4.根据权利要求1所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，其特征在于，所述将所述训练数据集输入至所述多任务神经网络进行训练，包括：获取所述训练数据集对应的镉钝化率和甲烷减排率的真实值；将所述训练数据集输入至所述多任务神经网络；获取所述任务神经网络输出的镉钝化率和甲烷减排率的预测值；获取训练过程的总体损失值；所述总体损失值为所述预测值和所述真实值的均方误差的均值，与不同权重的共享层的迹范数总和的加和；引入keep_prob参数来避免所述多任务神经网络过拟合；采用RMSProp算法优化损失函数和学习率进行反向传播，更新所述多任务神经网络的参数。5.根据权利要求4所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法，其特征在于，所述使用不同参数值对经...
【专利技术属性】
技术研发人员：李芳柏，方利平，殷蒙蒙，
申请(专利权)人：广东省科学院生态环境与土壤研究所，
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。