-
公开(公告)号：CN115329272B
公开(公告)日：2025-05-13
申请号：CN202210906863.X
申请日：2022-07-29
Applicant: 三峡大学
IPC: G06F17/18 , G06F18/2132 , G16C20/20
Abstract: 一种基于线性判别分析的土壤重金属来源解析方法，包括以下步骤：步骤1：对研究区进行监测布点，土壤样本采集以及土壤样品处理，测量土壤样本中重金属的含量；步骤2：进行描述性统计分析；步骤3：利用地统计学方法分析研究区域土壤重金属空间分布特征，识别污染源；步骤4：采用ALDS‑MLR受体模型解析土壤重金属污染源及其贡献率；步骤5：根据地统计分析的重金属空间分布特征识别的污染源及ALDS‑MLR受体模型解析的污染源及其贡献率，得到明确的污染源及贡献率；最终实现对研究区的土壤重金属来源解析。该方法结合地统计学方法探析了土壤中重金属的来源及其贡献率，以期为当地土壤重金属污染科学防控和修复治理提供理论依据。
-
公开(公告)号：CN115169222A
公开(公告)日：2022-10-11
申请号：CN202210706800.X
申请日：2022-06-21
Applicant: 三峡大学
IPC: G06F30/27 , G06N20/00 , G06N3/00 , G01N23/223
Abstract: 一种多元智能优化多核极限学习机的土壤重金属检测方法，它包括以下步骤：步骤1：采集土壤样品X射线荧光光谱数据和重金属含量值，构建样本集，将样本集分为训练样本集和测试样本集；步骤2：对样本集或待检测光谱信息进行预处理；步骤3：对预处理后的光谱数据进行光谱特征变量选择，将特征变量对应的光谱数据作为新的训练样本集和测试样本集；步骤4：建立多核极限学习机，将训练集中的数据作为多核极限学习机的输入，将训练集中的土壤重金属含量作为极限学习机的输出；步骤5：采用优化后的正则化系数C、核函数参数S和权重系数W训练多核极限学习机，得到土壤重金属检测模型，将测试集输入检测模型，得到重金属的预测值。
-
公开(公告)号：CN115456274A
公开(公告)日：2022-12-09
申请号：CN202211109756.0
申请日：2022-09-13
Applicant: 三峡大学
Abstract: 一种农产品重金属超标概率预测的方法，包括以下步骤：步骤1：采集土壤、农产品及采集点位所处环境的样本，检测样本重金属含量和ph值，构成候选指标数据集，并进行预处理。步骤2：对指标集进行指标筛选，筛选出与要预测农产品重金属相关性较大的指标构成新的指标集。步骤3：按照国家标准将数据分为超标与不超标两种，按照比例分为训练数据和测试数据。步骤4：建立支持向量机，将训练数据作为支持向量机的输入，训练数据中重金属是否超标为支持向量机的输出。步骤5：使用优化后的核函数参数g和惩罚参数c训练支持向量机，得到农产品重金属超标概率预测模型，将测试数据输入农产品重金属超标概率预测模型，得到重金属超标概率预测的结果。
-
公开(公告)号：CN115329272A
公开(公告)日：2022-11-11
申请号：CN202210906863.X
申请日：2022-07-29
Applicant: 三峡大学
Abstract: 一种基于线性判别分析的土壤重金属来源解析方法，包括以下步骤：步骤1：对研究区进行监测布点，土壤样本采集以及土壤样品处理，测量土壤样本中重金属的含量；步骤2：进行描述性统计分析；步骤3：利用地统计学方法分析研究区域土壤重金属空间分布特征，识别污染源；步骤4：采用ALDS‑MLR受体模型解析土壤重金属污染源及其贡献率；步骤5：根据地统计分析的重金属空间分布特征识别的污染源及ALDS‑MLR受体模型解析的污染源及其贡献率，得到明确的污染源及贡献率；最终实现对研究区的土壤重金属来源解析。该方法结合地统计学方法探析了土壤中重金属的来源及其贡献率，以期为当地土壤重金属污染科学防控和修复治理提供理论依据。
-
-
-
Search Results
4
records
(took 0.018 seconds)
