-
题名基于机器学习方法的废弃场地污染特征分析
- 1
-
-
作者
李翔
高明亮
陈征
-
机构
首都师范大学
中国环境科学研究院
-
出处
《黑龙江科学》
2023年第12期1-6,共6页
-
基金
国家重点研发计划项目(2020YFC1807403)。
-
文摘
以某搬迁电镀厂为例,基于污染场地调查报告中的非结构化采样数据(已脱敏处理),集成GIS、机器学习等方法,对主要污染物特征进行融合、量化。基于《关闭搬迁企业地块风险筛查与风险分级技术规定》,提出一种面向污染场地实际管控需求的场地内部污染程度量化方法,建立朴素贝叶斯模型,对采样点污染类别进行概率分类,并将结果划分为中度关注、高度关注两个类别。利用XG Boost算法,提取各污染特征的特征重要性,识别造成污染的主要因素,计算各采样点的污染特征值。结果表明,该场地西北侧污水处理厂附近及原电镀厂排污出口处污染较为严重,主要污染物浓度、地表覆盖情况及地下防渗措施是控制污染物分布的主要因素。该结果可为污染场地管控及决策提供数据支撑。
-
关键词
污染场地管控
机器学习
数据融合
贝叶斯
XG
Boost
-
Keywords
Contaminated site control
Machine learning
Data fusion
Bayes
XG Boost
-
分类号
X53
[环境科学与工程—环境工程]
-
