-
题名基于自组织神经网络的污染场地多监测指标相关性分析
被引量：11
- 1
-
-
作者
马春龙
施小清
许伟伟
任静华
王佩
吴吉春
-
机构
表生地球化学教育部重点实验室/南京大学地球科学与工程学院
自然资源部国土(耕地)生态监测与修复工程技术创新中心/江苏省地质调查研究院
常州市环境科学研究院
-
出处
《水文地质工程地质》
CAS
CSCD
北大核心
2021年第3期191-202,共12页
-
基金
自然资源部国土(耕地)生态监测与修复工程技术创新中心开放课题
国家自然科学基金项目(41672229)。
-
文摘
为查明场地污染分布特征,需对场地土壤和地下水进行钻探取样,按规范的检测指标进行逐一测试。在初查和详查阶段将获得大量的土壤和地下水污染数据,数据样本数量大、监测指标多,数据结构复杂,如何从场地大数据中提取价值信息已成为研究热点。以某有机污染场地为例,基于自组织映射神经网络(SOM)和K均值算法开展大数据分析,深入探讨地下水和土壤中各污染指标间的相关性。结果表明:(1)基于自组织映射神经网络的大数据分析可快速挖掘复杂多维的污染场地监测数据,有效完成关键信息的提取;(2)地下水中污染检出指标存在显著的聚类特征,同一聚类中的污染指标具备相似的空间分布特征。对场地污染物检测采取先分类后分级的优化筛选策略,减少污染物检测指标数目,从而有效降低场地检测费用;(3)土壤和地下水中污染检出指标存在良好的空间相关性,这与该污染场地地下水渗流速度缓慢有关。土壤和地下水污染检出指标空间分布的相关性,有助于场地污染源的追溯。
-
关键词
自组织映射神经网络
污染场地
多监测指标
相关性分析
土壤
地下水
-
Keywords
self-organizing map
contaminated site
multiple monitoring indicators
correlation analysis
soil
groundwater
-
分类号
P641.69
[天文地球—地质矿产勘探]
X508
[环境科学与工程—环境工程]
-
