基于随机森林算法的欧洲土壤重金属污染研究

• 作者: 宋申辉 杨瑞琰 谢淑云
• 来源期刊: 统计学与应用
• 学科: 工学
• 关键词: 随机森林 节点分裂算法 核主成分分析 重金属污染
• 年，卷（期）: 2019,（2）
• 页码范围: 218-226
• 页数: 9页
• 分类号: TP39

摘要

在大数据背景下,为提高评价土壤中重金属污染的效率,引入机器学习中的随机森林算法。本文以欧洲表层土壤为例,建立Random forest模型,对As、Co、Cr、Cu、Ni、Pb、Zn 7种重金属的污染程度进行分类;然后通过加入核主成分分析对模型进行改进,建立KPCA-Random forest模型,并从分类精度和运行时间两个维度上进行对比。结果显示:改进后模型的分类精确度由93.41%提高到94.67%,运行时间从12.530601 s缩减到9.437811 s。最后本文对建立的随机森林模型的优缺点进行了评价,并提出今后的研究方向。