土壤重金属污染评估方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及污染评估技术领域，公开了一种土壤重金属污染评估方法、装置、设备及存储介质，该方法包括：基于改进后的多核支持向量机创建重金属含量预测模型；通过所述重金属含量预测模型进行土壤重金属污染风险等级评估，得到评估结果；通过所述重金属含量预测模型对所述评估结果进行可视化展示。本发明专利技术通过创建重金属含量预测模型并通过重金属含量预测模型进行土壤重金属污染风险等级评估以及对评估结果进行可视化展示，解决了现有评估方法存在失真和偏差，很难实现大范围的污染评估，无法达到快速、便捷的目的的技术问题，准确、快速、便捷的实现评估。便捷的实现评估。便捷的实现评估。

【技术实现步骤摘要】
土壤重金属污染评估方法、装置、设备及存储介质


[0001]本专利技术涉及污染评估
，尤其涉及一种土壤重金属污染评估方法、装置、设备及存储介质。

技术介绍

[0002]目前，土壤重金属污染风险等级评估主要还是通过野外实地采样，而后进行实验室化学分析，采用常用的土壤重金属污染指数评价方法进行评估，如：单因子指数法、内梅罗综合污染指数法、生态风险指数法等，这类传统的评价方法耗时长、成本高，采集的样本数据少。土壤是一个空间连续的变异体，重金属种类及形态、土壤的水分特征及物化性质、地域差异等因素都会对土壤环境质量产生影响，如果只是简单地使用数学解析式来表示，难以排除人员的主观性和评价系统的随机性，导致评估结果出现失真和偏差，且很难实现大范围的污染评估。
[0003]近几年，不少学者将目光聚焦到人工智能上，使用机器学习的方法进行土壤重金属质量浓度预测与污染风险等级评估的研究。Cao等提出一种基于径向基神经网络(RBFNN)的深度复合模型，对武汉市6个新城区的农田土壤重金属含量数据进行仿真实验，验证了模型具有较高的预测准确性；任加国等运用多元统计方法分析重金属与多环芳烃之间的关联性，并使用BP神经网络预测了缺失土壤样本中重金属和PAHs的含量；毛耿旋等针对如何利用少量有标记样本和大量无标记样本训练出鲁棒性的土壤重金属质量浓度反演模型的问题，提出了一种基于半监督回归的高光谱土壤重金属质量浓度反演模型；尹娟等分别应用单因子指数法、GA
‑
SVM模型和内梅罗综合污染指数法计算、评价采样点的土壤环境质量等级，结果显示GA
‑
SVM模型的评价结果与单因子、内梅罗指数法评价结果一致。
[0004]虽然上述研究实现了对重金属含量的预测以及对土壤质量状况的评估，但仍存在以下两方面的问题：第一，神经网络的训练需要大量的数据且属性多元，而一般采集的样本数量不多，可挖掘的数据信息结构简单，无法满足神经网络训练的需要，容易产生过拟合现象；第二，没有构建一个完整的土壤重金属污染风险评价体系，大多数研究没有摆脱传统评价方法的约束，仅仅是在传统方法的基础上运用了机器学习模型，无法达到快速、便捷的目的。

技术实现思路

[0005]本专利技术的主要目的在于提供一种土壤重金属污染评估方法、装置、设备及存储介质，旨在解决现有技术评估方法存在失真和偏差，很难实现大范围的污染评估，无法达到快速、便捷的目的的技术问题。
[0006]为实现上述目的，本专利技术提供了一种土壤重金属污染评估方法，所述方法包括以下步骤：
[0007]基于改进后的多核支持向量机创建重金属含量预测模型，其中，所述改进后的多核支持向量机为基于多核支持向量机选取最优权系数、最优函数宽度及最优惩罚系数的多
核函数创建的；
[0008]通过所述重金属含量预测模型进行土壤重金属污染风险等级评估，得到评估结果；
[0009]通过所述重金属含量预测模型对所述评估结果进行可视化展示。
[0010]可选地，所述基于改进后的多核支持向量机创建重金属含量预测模型，包括：
[0011]获取多核支持向量机，其中，所述多核支持向量机的核函数为多核函数；
[0012]获取所述多核函数的权系数、函数宽度及惩罚系数均为最优时的单一函数组合，得到最优权系数、最优函数宽度及最优惩罚系数；
[0013]将所述最优权系数、最优函数宽度及最优惩罚系数的多核函数的多核支持向量机作为改进后的多核支持向量机；
[0014]基于所述改进后的多核支持向量机创建重金属含量预测模型。
[0015]可选地，所述获取多核支持向量机包括：
[0016]获取传统支持向量机，其中，所述传统支持向量机的核函数为单一核函数；
[0017]获取多核函数，其中，所述多核函数由若干数量的单一核函数组成；
[0018]将所述传统支持向量机中的单一核函数替换为所述多核函数，得到多核支持向量机。
[0019]可选地，所述通过所述重金属含量预测模型进行土壤重金属污染风险等级评估，得到评估结果，包括：
[0020]获取已标记样本集与未标记样本集，其中，所述已标记样本集中采样点地理位置信息、功能区信息及其对应的土壤重金属含量值均为已知，所述未标记样本集中采样点地理位置信息及功能区信息已知，对应的土壤重金属含量信息未知；
[0021]将所述已标记样本集与未标记样本集输入所述重金属含量预测模型，通过所述重金属含量预测模型预测所述未标记样本集中采样点的土壤重金属含量；
[0022]通过所述重金属含量预测模型根据所述已标记样本集与未标记样本集中采样点的土壤重金属含量，对目标评估区域的土壤重金属污染风险等级进行评估，得到评估结果。
[0023]可选地，所述获取已标记样本集与未标记样本集，包括
[0024]获取所述目标评估区域的采样点，并根据所述目标评估区域的采样点得到已标记样本集；
[0025]获取所述目标评估区域的未采样点，并根据所述目标评估区域的未采样点得到已标记样本集。
[0026]可选地，所述重金属含量预测模型包括第一回归模型与第二回归模型，其中，所述第一回归模型与第二回归模型的初始化参数不同；
[0027]所述将所述已标记样本集与未标记样本集输入所述重金属含量预测模型，通过所述重金属含量预测模型预测所述未标记样本集中采样点的土壤重金属含量，包括：
[0028]通过所述已标记样本集与未标记样对所述第一回归模型与目标第二回归模型进行训练，得到目标第一回归模型与目标第二回归模型；
[0029]根据所述目标第一回归模型与目标第二回归模型分别对所述未标记样本集中采样点的土壤重金属含量进行预测；
[0030]将所述目标第一回归模型与目标第二回归模型的预测结果的平均值作为标记样
本集中采样点的土壤重金属含量。
[0031]可选地，所述通过所述已标记样本集与未标记样对所述第一回归模型与目标第二回归模型进行训练，得到目标第一回归模型与目标第二回归模型，包括：
[0032]通过所述已标记样本集对所述第一回归模型与第二回归模型进行初始化训练，得到训练后的第一回归模型与训练后的第二回归模型；
[0033]从所述已标记样本集随机选取出第一已标记样本集和第二已标记样本集，从所述未标记样本集随机选取出第一未标记样本集和第二未标记样本集；
[0034]通过所述第一回归模型根据所述第一已标记样本集对所述第一未标记样本集进行标记，并从所述第一未标记样本集中选取标记置信度最高的样本加入所述第二已标记样本集；
[0035]通过所述第二回归模型根据所述第二已标记样本集对所述第二未标记样本集进行标记，并从所述第二未标记样本集中选取标记置信度最高的样本加入所述第一已标记样本集；
[0036]更新所述第一已标记样本集、第二已标记样本集、第一未标记样本集以及第二未标记样本集，并重新训练所述第一回归模型与第二回归模型直至所述第一已标记样本集与第二已标记本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种土壤重金属污染评估方法，其特征在于，所述方法包括：基于改进后的多核支持向量机创建重金属含量预测模型，其中，所述改进后的多核支持向量机为基于多核支持向量机选取最优权系数、最优函数宽度及最优惩罚系数的多核函数创建的；通过所述重金属含量预测模型进行土壤重金属污染风险等级评估，得到评估结果；通过所述重金属含量预测模型对所述评估结果进行可视化展示。2.如权利要求1所述的方法，其特征在于，所述基于改进后的多核支持向量机创建重金属含量预测模型，包括：获取多核支持向量机，其中，所述多核支持向量机的核函数为多核函数；获取所述多核函数的权系数、函数宽度及惩罚系数均为最优时的单一函数组合，得到最优权系数、最优函数宽度及最优惩罚系数；将所述最优权系数、最优函数宽度及最优惩罚系数的多核函数的多核支持向量机作为改进后的多核支持向量机；基于所述改进后的多核支持向量机创建重金属含量预测模型。3.如权利要求2所述的方法，其特征在于，所述获取多核支持向量机包括：获取传统支持向量机，其中，所述传统支持向量机的核函数为单一核函数；获取多核函数，其中，所述多核函数由若干数量的单一核函数组成；将所述传统支持向量机中的单一核函数替换为所述多核函数，得到多核支持向量机。4.如权利要求1所述的方法，其特征在于，所述通过所述重金属含量预测模型进行土壤重金属污染风险等级评估，得到评估结果，包括：获取已标记样本集与未标记样本集，其中，所述已标记样本集中采样点地理位置信息、功能区信息及其对应的土壤重金属含量值均为已知，所述未标记样本集中采样点地理位置信息及功能区信息已知，对应的土壤重金属含量信息未知；将所述已标记样本集与未标记样本集输入所述重金属含量预测模型，通过所述重金属含量预测模型预测所述未标记样本集中采样点的土壤重金属含量；通过所述重金属含量预测模型根据所述已标记样本集与未标记样本集中采样点的土壤重金属含量，对目标评估区域的土壤重金属污染风险等级进行评估，得到评估结果。5.如权利要求4所述的方法，其特征在于，所述获取已标记样本集与未标记样本集，包括获取所述目标评估区域的采样点，并根据所述目标评估区域的采样点得到已标记样本集；获取所述目标评估区域的未采样点，并根据所述目标评估区域的未采样点得到已标记样本集。6.如权利要求4所述的方法，其特征在于，所述重金属含量预测模型包括第一回归模型与第二回归模型，其中，所述第一回归模型与第二回归模型的初始化参数不同；所述将所述已标记样本集与未标记样本集输入所述重金属含量预测模型，通过所述重金属含量预测模型预测所述...

【专利技术属性】
技术研发人员：张聪，陈新波，闫可，魏志慧，成泞伸，赵静怡，谈莎莎，何林锋，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：