文档名：基于改进集成学习的矿井地下水污染风险预测研究
摘要：在进行矿井地下水污染风险预测过程中,由于选择的特征与污染风险相关性较低,导致预测精度较差,对此,提出基于改进集成学习的矿井地下水污染风险预测研究,首先利用主成分分析法对矿井地下水污染数据特征进行提取,然后利用SOM网络进行矿井地下水数据聚类处理,最后采用ENN模型进行矿井地下水污染风险预测.实验结果表明,所提方法的污染物浓度预测RMSE和MAPE分别为22mg·L-1与9.26%,矿井地下水污染风险指数与实际值拟合度高,且R2值较大,说明所提方法的风险预测能力较好,具有实用性.
Abstract：Intheprocessofpredictingtheriskofgroundwaterpollutioninmines,thelowcorrelationbetweentheselectedfeaturesandpollutionriskleadstopoorpredictionaccuracy.Therefore,aresearchonpredictingtheriskofgroundwaterpollutioninminesbasedonimprovedensemblelearningisproposed.Firstly,principalcomponentanalysisisusedtoextractthecharacteristicsofgroundwaterpol-lutiondatainmines,andthenSOMnetworkisusedforclusteringprocessingofgroundwaterdatainmines,Finally,theENNmodelisusedtopredicttheriskofgroundwaterpollutioninmines.TheexperimentalresultsshowthattheRMSEandMAPEforpollutantconcen-trationpredictionoftheproposedmethodare22mg·L-1and9.26%,respectively.Theriskindexofminegroundwaterpollutionhasahighfittingdegreewiththeactualvalue,andtheR2valueisrelativelylarge,indicatingthattheproposedmethodhasgoodriskpredictionabilityandpracticality.
作者：李婷 李艳军 吕英英 杨娟娟 白岩立 Author：LiTing LiYanjun LvYingying YangJuanjuan BaiYanli
作者单位：榆林职业技术学院,陕西榆林719000榆林市生态环境局,陕西榆林719000榆林能源集团横山煤电有限公司,陕西榆林719200
刊名：环境科学与管理
Journal：EnvironmentalScienceandManagement
年，卷(期)：2024, 49(2)
分类号：X820.4
关键词：改进集成学习 污染风险预测 SOM网络 Elman神经网络
Keywords：improvingensemblelearning pollutionriskprediction SOMnetwork Elmanneuralnetwork
机标分类号：TM614TP391F830.5
在线出版日期：2024年3月22日
基金项目：陕西省科协青年人才托举计划项目基于改进集成学习的矿井地下水污染风险预测研究[
期刊论文] 环境科学与管理--2024, 49(2)李婷 李艳军 吕英英 杨娟娟 白岩立在进行矿井地下水污染风险预测过程中,由于选择的特征与污染风险相关性较低,导致预测精度较差,对此,提出基于改进集成学习的矿井地下水污染风险预测研究,首先利用主成分分析法对矿井地下水污染数据特征进行提取,然后利用...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进集成学习的矿井地下水污染风险预测研究 Research on Risk Prediction of Mine Groundwater Pollution Based on Improved Ensemble Learning
基于改进集成学习的矿井地下水污染风险预测研究.pdf
- 文件大小:
- 761.19 KB
- 下载次数:
- 60
-
高速下载
|
|
