【技術實現步驟摘要】
本說明書的一個或多個實施例涉及環境污染預測，具體涉及一種土壤重金屬污染物濃度的預測方法及裝置。
技術介紹
1、土壤金屬污染是指土壤中某些金屬元素含量超過自然背景值，或者超過了人類活動引起的環境質量標準，對生態環境和人類健康造成潛在威脅的一種環境污染現象。土壤的重金屬污染會在生物體內富集，嚴重影響人類的健康，為了對污染場地進行開發再利用，就需要在使用前對場地進行污染檢測與修復治理，確保場地安全清潔后再利用。
2、相關技術中，通過對待檢測的整個場地進行布點采樣，并將采樣的樣本送至專業的實驗室檢測，確定各個點位的金屬污染濃度。然而，該方法采樣與檢測步驟需要用到專業的設備與儀器，成本昂貴。并且，為得到深層土壤的污染信息，要求布點采樣時的深度達到6~9m，遠超淺層深度，使得采樣難度增大、檢測周期延長。
技術實現思路
1、本說明書實施例提供了一種土壤重金屬污染物濃度的預測方法、裝置、電子設備、存儲介質，其技術方案如下：
2、第一方面，本說明書實施例提供了一種土壤重金屬污染物濃度的預測方法，包括：
3、獲取目標采樣點的淺層的土壤特征信息，所述土壤特征信息包括：相應采樣點在淺層的土壤的土質信息、地下水信息、土層深度、金屬污染濃度；
4、將獲取到的土壤特征信息輸入至預先訓練得到的土壤污染預測模型，以使所述土壤污染預測模型對所述目標采樣點的其他土層的土壤的金屬污染濃度進行預測；
5、根據所述土壤污染預測模型輸出的金屬污染濃度和所述土壤特征信息
6、第二方面，本說明書實施例提供了一種土壤污染預測模型的訓練方法，包括：
7、獲取訓練數據集，所述訓練數據集中的每一訓練樣本包括：相應采樣點的土質信息、地下水信息、土層深度以及不同土層深度對應的真實金屬污染濃度；其中，所述不同土層深度包括淺層以及其他土層；
8、將所述訓練數據集輸入至待訓練模型，以使所述待訓練模型輸出各個訓練樣本對應的不同土層深度的預測金屬污染濃度；
9、對比所述真實金屬污染濃度和所述預測金屬污染濃度，并根據對比結果對所述待訓練模型的超參數進行優化，直至所述待訓練模型用于對土壤的金屬污染進行預測。
10、第三方面，本說明書實施例提供了一種土壤重金屬污染物濃度的預測裝置，包括：
11、獲取單元，用于獲取目標采樣點的淺層的土壤特征信息，所述土壤特征信息包括：相應采樣點在淺層的土壤的土質信息、地下水信息、土層深度、金屬污染濃度；
12、預測單元，用于將獲取到的土壤特征信息輸入至預先訓練得到的土壤污染預測模型，以使所述土壤污染預測模型對所述目標采樣點的其他土層的土壤的金屬污染濃度進行預測；
13、確定單元，用于根據所述土壤污染預測模型輸出的金屬污染濃度和所述土壤特征信息中的金屬污染濃度確定所述目標采樣點在不同土層深度的金屬污染濃度。
14、第四方面，本說明書實施例提供了一種土壤污染預測模型的訓練裝置，包括：
15、獲取單元，用于獲取訓練數據集，所述訓練數據集中的每一訓練樣本包括：相應采樣點的土質信息、地下水信息、土層深度以及不同土層深度對應的真實金屬污染濃度；其中，所述不同土層深度包括淺層以及其他土層；
16、輸入單元，用于將所述訓練數據集輸入至待訓練模型，以使所述待訓練模型輸出各個訓練樣本對應的不同土層深度的預測金屬污染濃度；
17、優化單元，用于對比所述真實金屬污染濃度和所述預測金屬污染濃度，并根據對比結果對所述待訓練模型的超參數進行優化，直至所述待訓練模型用于對土壤的金屬污染進行預測。
18、第五方面，本說明書實施例提供了一種電子設備，包括處理器以及存儲器；所述處理器與所述存儲器相連；所述存儲器，用于存儲可執行程序代碼；所述處理器通過讀取所述存儲器中存儲的可執行程序代碼來運行與所述可執行程序代碼對應的程序，以用于執行上述實施例第一方面或第二方面所述的步驟。
19、第六方面，本說明書實施例提供了一種計算機存儲介質，所述計算機存儲介質存儲有多條指令，所述指令適于由處理器加載并執行上述實施例第一方面或第二方面所述的步驟。
20、本說明書一些實施例提供的技術方案帶來的有益效果至少包括：
21、一方面，通過土壤污染預測模型對淺層之下的土壤的金屬污染濃度進行預測，使得在土壤采樣時僅需采集淺層土壤的樣本即可，不僅減小了采樣難度，提升了土壤重金屬污染物濃度的預測效率，還減少了設備分析樣本的數量，降低了成本；另一方面，土壤污染預測模型在預測深層土壤的金屬污染濃度時，不僅基于淺層土壤的金屬污染濃度進行預測，還考慮到土質信息、地下水信息等對金屬污染濃度的影響，使得預測的金屬污染濃度更加精確。
本文檔來自技高網...【技術保護點】
1.一種土壤重金屬污染物濃度的預測方法，包括：
2.根據權利要求1所述的一種土壤重金屬污染物濃度的預測方法，所述土壤特征信息中的金屬污染濃度包括多種金屬的污染濃度，所述土壤污染預測模型的輸出為所述多種金屬的污染濃度集合，所述多種金屬包括下述至少之一：Cr、Ni、Hg、As、Pb、Zn、Cu。
3.根據權利要求1所述的一種土壤重金屬污染物濃度的預測方法，所述土壤污染預測模型為基于預設技術構建的機器學習模型，所述預設技術包括下述至少之一：隨機森林、多元線性回歸、支持向量機、神經網絡。
4.一種土壤污染預測模型的訓練方法，包括：
5.根據權利要求4所述的一種土壤污染預測模型的訓練方法，所述待訓練模型為基于隨機森林構建的機器學習模型，所述超參數包括：決策樹個數、葉子數、葉子節點最小樣本數、決策樹最大深度中的一種或多種。
6.根據權利要求4所述的一種土壤污染預測模型的訓練方法，所述對比結果包括：所述真實金屬污染濃度和所述預測金屬污染濃度的平均誤差、均方根誤差、相關系數、決定系數；所述待訓練模型優化完成的條件為所述平均誤差、均方根誤
7.一種土壤重金屬污染物濃度的預測裝置，包括：
8.一種土壤污染預測模型的訓練裝置，包括：
9.一種電子設備，包括處理器以及存儲器；
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1~6任一項所述的方法。
...【技術特征摘要】
1.一種土壤重金屬污染物濃度的預測方法，包括：
2.根據權利要求1所述的一種土壤重金屬污染物濃度的預測方法，所述土壤特征信息中的金屬污染濃度包括多種金屬的污染濃度，所述土壤污染預測模型的輸出為所述多種金屬的污染濃度集合，所述多種金屬包括下述至少之一：cr、ni、hg、as、pb、zn、cu。
3.根據權利要求1所述的一種土壤重金屬污染物濃度的預測方法，所述土壤污染預測模型為基于預設技術構建的機器學習模型，所述預設技術包括下述至少之一：隨機森林、多元線性回歸、支持向量機、神經網絡。
4.一種土壤污染預測模型的訓練方法，包括：
5.根據權利要求4所述的一種土壤污染預測模型的訓練方法，所述待訓練模型為基于隨機森林構建的機器學習...
【專利技術屬性】
技術研發人員：吳旻，陳錦楓，俞樂義，林政，阮王陽，鄧平飛，魏蘇皖，
申請(專利權)人：浙江天堃生態環境科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。