基于机器学习的污染土壤修复变量分类与评价

• 作者: 郭琳 曹书苗 柯希彪 刘俊 汤引生 李军富
• 来源期刊: 环境科技
• 关键词: 土壤重金属 电动强化修复 随机森林 RF-GRA 变量分类
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 1-6
• 页数: 6页
• 分类号: X5
• 语种: 中文
• DOI: 10.3969/j.issn.1674-4829.2021.02.002

摘要

为缩短重金属污染土壤修复周期,研究电动+植物强化修复法机理与规律,建立分类评价指标体系,融合随机森林算法和灰色关联法建立RF-GRA模型,进行变量分类和修复效率评价.指标中电压梯度(0.093)的权重值最高,其次是电流大小、电极材料、土壤湿度、富集植物种类和通电时间等.6个样本的模型评价效率高于实验效率,实验环境A1～A3的相对误差分别为3.35％,4.12％和6.54％,B1～B3分别为11.19％,9.48％和8.66％;A1(Cd)和A2(Cu)的修复效果优于B1(Cd)和B2(Cu),A3(Zn)低于B3(Zn);RF-GRA的测试结果优于RF-Random.为土壤修复质量评价奠定了基础.