【技术实现步骤摘要】
本说明书的一个或多个实施例涉及环境污染预测，具体涉及一种土壤重金属污染物浓度的预测方法及装置。
技术介绍
1、土壤金属污染是指土壤中某些金属元素含量超过自然背景值，或者超过了人类活动引起的环境质量标准，对生态环境和人类健康造成潜在威胁的一种环境污染现象。土壤的重金属污染会在生物体内富集，严重影响人类的健康，为了对污染场地进行开发再利用，就需要在使用前对场地进行污染检测与修复治理，确保场地安全清洁后再利用。
2、相关技术中，通过对待检测的整个场地进行布点采样，并将采样的样本送至专业的实验室检测，确定各个点位的金属污染浓度。然而，该方法采样与检测步骤需要用到专业的设备与仪器，成本昂贵。并且，为得到深层土壤的污染信息，要求布点采样时的深度达到6~9m，远超浅层深度，使得采样难度增大、检测周期延长。
技术实现思路
1、本说明书实施例提供了一种土壤重金属污染物浓度的预测方法、装置、电子设备、存储介质，其技术方案如下：
2、第一方面，本说明书实施例提供了一种土壤重金属污染物浓度的预测方法，包括：
3、获取目标采样点的浅层的土壤特征信息，所述土壤特征信息包括：相应采样点在浅层的土壤的土质信息、地下水信息、土层深度、金属污染浓度；
4、将获取到的土壤特征信息输入至预先训练得到的土壤污染预测模型，以使所述土壤污染预测模型对所述目标采样点的其他土层的土壤的金属污染浓度进行预测；
5、根据所述土壤污染预测模型输出的金属污染浓度和所述土壤特征信息
6、第二方面，本说明书实施例提供了一种土壤污染预测模型的训练方法，包括：
7、获取训练数据集，所述训练数据集中的每一训练样本包括：相应采样点的土质信息、地下水信息、土层深度以及不同土层深度对应的真实金属污染浓度；其中，所述不同土层深度包括浅层以及其他土层；
8、将所述训练数据集输入至待训练模型，以使所述待训练模型输出各个训练样本对应的不同土层深度的预测金属污染浓度；
9、对比所述真实金属污染浓度和所述预测金属污染浓度，并根据对比结果对所述待训练模型的超参数进行优化，直至所述待训练模型用于对土壤的金属污染进行预测。
10、第三方面，本说明书实施例提供了一种土壤重金属污染物浓度的预测装置，包括：
11、获取单元，用于获取目标采样点的浅层的土壤特征信息，所述土壤特征信息包括：相应采样点在浅层的土壤的土质信息、地下水信息、土层深度、金属污染浓度；
12、预测单元，用于将获取到的土壤特征信息输入至预先训练得到的土壤污染预测模型，以使所述土壤污染预测模型对所述目标采样点的其他土层的土壤的金属污染浓度进行预测；
13、确定单元，用于根据所述土壤污染预测模型输出的金属污染浓度和所述土壤特征信息中的金属污染浓度确定所述目标采样点在不同土层深度的金属污染浓度。
14、第四方面，本说明书实施例提供了一种土壤污染预测模型的训练装置，包括：
15、获取单元，用于获取训练数据集，所述训练数据集中的每一训练样本包括：相应采样点的土质信息、地下水信息、土层深度以及不同土层深度对应的真实金属污染浓度；其中，所述不同土层深度包括浅层以及其他土层；
16、输入单元，用于将所述训练数据集输入至待训练模型，以使所述待训练模型输出各个训练样本对应的不同土层深度的预测金属污染浓度；
17、优化单元，用于对比所述真实金属污染浓度和所述预测金属污染浓度，并根据对比结果对所述待训练模型的超参数进行优化，直至所述待训练模型用于对土壤的金属污染进行预测。
18、第五方面，本说明书实施例提供了一种电子设备，包括处理器以及存储器；所述处理器与所述存储器相连；所述存储器，用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行上述实施例第一方面或第二方面所述的步骤。
19、第六方面，本说明书实施例提供了一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述实施例第一方面或第二方面所述的步骤。
20、本说明书一些实施例提供的技术方案带来的有益效果至少包括：
21、一方面，通过土壤污染预测模型对浅层之下的土壤的金属污染浓度进行预测，使得在土壤采样时仅需采集浅层土壤的样本即可，不仅减小了采样难度，提升了土壤重金属污染物浓度的预测效率，还减少了设备分析样本的数量，降低了成本；另一方面，土壤污染预测模型在预测深层土壤的金属污染浓度时，不仅基于浅层土壤的金属污染浓度进行预测，还考虑到土质信息、地下水信息等对金属污染浓度的影响，使得预测的金属污染浓度更加精确。
本文档来自技高网...【技术保护点】
1.一种土壤重金属污染物浓度的预测方法，包括：
2.根据权利要求1所述的一种土壤重金属污染物浓度的预测方法，所述土壤特征信息中的金属污染浓度包括多种金属的污染浓度，所述土壤污染预测模型的输出为所述多种金属的污染浓度集合，所述多种金属包括下述至少之一：Cr、Ni、Hg、As、Pb、Zn、Cu。
3.根据权利要求1所述的一种土壤重金属污染物浓度的预测方法，所述土壤污染预测模型为基于预设技术构建的机器学习模型，所述预设技术包括下述至少之一：随机森林、多元线性回归、支持向量机、神经网络。
4.一种土壤污染预测模型的训练方法，包括：
5.根据权利要求4所述的一种土壤污染预测模型的训练方法，所述待训练模型为基于随机森林构建的机器学习模型，所述超参数包括：决策树个数、叶子数、叶子节点最小样本数、决策树最大深度中的一种或多种。
6.根据权利要求4所述的一种土壤污染预测模型的训练方法，所述对比结果包括：所述真实金属污染浓度和所述预测金属污染浓度的平均误差、均方根误差、相关系数、决定系数；所述待训练模型优化完成的条件为所述平均误差、均方根误
7.一种土壤重金属污染物浓度的预测装置，包括：
8.一种土壤污染预测模型的训练装置，包括：
9.一种电子设备，包括处理器以及存储器；
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1~6任一项所述的方法。
...【技术特征摘要】
1.一种土壤重金属污染物浓度的预测方法，包括：
2.根据权利要求1所述的一种土壤重金属污染物浓度的预测方法，所述土壤特征信息中的金属污染浓度包括多种金属的污染浓度，所述土壤污染预测模型的输出为所述多种金属的污染浓度集合，所述多种金属包括下述至少之一：cr、ni、hg、as、pb、zn、cu。
3.根据权利要求1所述的一种土壤重金属污染物浓度的预测方法，所述土壤污染预测模型为基于预设技术构建的机器学习模型，所述预设技术包括下述至少之一：随机森林、多元线性回归、支持向量机、神经网络。
4.一种土壤污染预测模型的训练方法，包括：
5.根据权利要求4所述的一种土壤污染预测模型的训练方法，所述待训练模型为基于随机森林构建的机器学习...
【专利技术属性】
技术研发人员：吴旻，陈锦枫，俞乐义，林政，阮王阳，邓平飞，魏苏皖，
申请(专利权)人：浙江天堃生态环境科技有限公司，
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。