期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习对铜和锌在土壤中的老化预测和关键因子识别
1
作者
夏菲洋
和长城
+3 位作者
陆晓松
王玉军
杨敏
范婷婷
《农业环境科学学报》
CAS
CSCD
北大核心
2024年第11期2534-2544,共11页
为探究铜(Cu)和锌(Zn)在不同类型土壤中的老化过程及其主要影响因素,本研究开展了为期90 d的培养实验,向12种不同类型的土壤外源添加Cu和Zn。基于传统动力学模型、逐步线性回归和机器学习模型,构建了土壤中Cu和Zn有效态变化的预测模型...
为探究铜(Cu)和锌(Zn)在不同类型土壤中的老化过程及其主要影响因素,本研究开展了为期90 d的培养实验,向12种不同类型的土壤外源添加Cu和Zn。基于传统动力学模型、逐步线性回归和机器学习模型,构建了土壤中Cu和Zn有效态变化的预测模型。此外,基于沙普利可加性模型解释方法(Shapley Additive Explanations,SHAP),分析了影响Cu和Zn有效态含量的关键土壤因子的作用。结果表明,Cu和Zn有效态含量在培养前30 d内迅速下降,随后速率减缓,且pH对老化速率影响显著,在碱性土壤中下降更明显。动力学分析显示Cu的老化过程主要受微孔扩散控制,而Zn的老化机制较为复杂,不完全依赖扩散作用。多变量逐步线性回归分析表明,土壤电导率和粒径组成对金属有效态变化有显著影响。此外,本文比较了随机森林、支持向量回归、极限梯度提升和符号回归4种机器学习模型对Cu和Zn有效态含量的预测能力,发现极限梯度提升模型的预测精度最高。通过SHAP分析发现,铁氧化物和有机质含量分别是影响Cu和Zn有效态的最关键因素。pH对Cu和Zn有效态含量的影响存在显著差异,Cu的有效态含量预测中铁氧化物与pH值之间呈现出显著的交互作用。总体而言,本文通过结合动力学模型、逐步线性回归分析与机器学习方法,揭示了Cu和Zn在土壤中老化的主要驱动因素及其相互作用。
展开更多
关键词
铜
锌
生物有效性预测
极限梯度提升(XGBoost)
动力学过程
老化
在线阅读
下载PDF
职称材料
题名
基于机器学习对铜和锌在土壤中的老化预测和关键因子识别
1
作者
夏菲洋
和长城
陆晓松
王玉军
杨敏
范婷婷
机构
生态环境部南京环境科学研究所
中国科学院南京土壤研究所
出处
《农业环境科学学报》
CAS
CSCD
北大核心
2024年第11期2534-2544,共11页
基金
国家重点研发计划项目(2021YFC1809102)。
文摘
为探究铜(Cu)和锌(Zn)在不同类型土壤中的老化过程及其主要影响因素,本研究开展了为期90 d的培养实验,向12种不同类型的土壤外源添加Cu和Zn。基于传统动力学模型、逐步线性回归和机器学习模型,构建了土壤中Cu和Zn有效态变化的预测模型。此外,基于沙普利可加性模型解释方法(Shapley Additive Explanations,SHAP),分析了影响Cu和Zn有效态含量的关键土壤因子的作用。结果表明,Cu和Zn有效态含量在培养前30 d内迅速下降,随后速率减缓,且pH对老化速率影响显著,在碱性土壤中下降更明显。动力学分析显示Cu的老化过程主要受微孔扩散控制,而Zn的老化机制较为复杂,不完全依赖扩散作用。多变量逐步线性回归分析表明,土壤电导率和粒径组成对金属有效态变化有显著影响。此外,本文比较了随机森林、支持向量回归、极限梯度提升和符号回归4种机器学习模型对Cu和Zn有效态含量的预测能力,发现极限梯度提升模型的预测精度最高。通过SHAP分析发现,铁氧化物和有机质含量分别是影响Cu和Zn有效态的最关键因素。pH对Cu和Zn有效态含量的影响存在显著差异,Cu的有效态含量预测中铁氧化物与pH值之间呈现出显著的交互作用。总体而言,本文通过结合动力学模型、逐步线性回归分析与机器学习方法,揭示了Cu和Zn在土壤中老化的主要驱动因素及其相互作用。
关键词
铜
锌
生物有效性预测
极限梯度提升(XGBoost)
动力学过程
老化
Keywords
copper
zinc
bioavailability prediction
extreme gradient boosting(XGBoost)
kinetic equation
aging process
分类号
X53 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习对铜和锌在土壤中的老化预测和关键因子识别
夏菲洋
和长城
陆晓松
王玉军
杨敏
范婷婷
《农业环境科学学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
