典型文献
基于机器学习方法的地下水氨氮时空分布规律
文献摘要：
氨氮是地下水中的主要无机污染物之一,其主要来自农业、工业和生活污染.过量的氨氮会危害人类健康.氨氮时空分布受气象、水文、水文地质和土地利用类型等因素的影响,因此,基于有限采样点的地下水氨氮分析会产生很大的不确定性.本研究以三江平原松花江流域为例,选取土壤有机质质量分数、土壤全氮质量分数、土壤阳离子交换容量(CEC)、土壤pH值、地下水埋深、包气带黏土层厚度和土地利用类型作为潜在的影响因素,建立拟合氨氮质量浓度的机器学习模型;在此基础上使用解释机器学习模型的SHAP(shapley additive explanations)方法识别显著的影响因素,并据此建立机器学习预测模型,对研究区地下水氨氮质量浓度进行数据插补,分析其时空变化规律.研究结果表明:地下水埋深、土地利用类型、CEC和土壤有机质质量分数是研究区地下水氨氮的主要影响因素;2011-2018年期间,研究区地下水氨氮处于Ⅰ—Ⅲ类水质级别的面积呈现增加趋势,面积占比从31％增加到87％,Ⅳ—Ⅴ类水的面积呈现减少趋势,面积占比从69％减少到13％,水质整体向好.
文献关键词：
氨氮;空间插值;机器学习;随机森林;SHAP
中图分类号：
作者姓名：
杨国华;李婉露;孟博
作者机构：
河南地矿职业学院地质工程与资源勘察系,郑州 451464;吉林大学新能源与环境学院,长春 130021;蛟河市团山子水库管理中心,吉林 蛟河 132500
文献出处：
引用格式：
[1]杨国华;李婉露;孟博-.基于机器学习方法的地下水氨氮时空分布规律)[J].吉林大学学报（地球科学版）,2022(06):1982-1995
A类：
B类：
基于机器学习,机器学习方法,氨氮,时空分布规律,无机污染,生活污染,害人,受气,水文地质,土地利用类型,采样点,三江平原,松花江流域,取土,土壤有机质,土壤全氮,氮质量分数,阳离子交换容量,CEC,地下水埋深,包气带,黏土层,土层厚度,机器学习模型,SHAP,shapley,additive,explanations,方法识别,机器学习预测,数据插补,时空变化规律,空间插值
AB值：
0.303207
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
