报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
利用深度学习预测重金属污染浓度分布
编号：155 访问权限：仅限参会人 更新：2021-10-12 14:24:33 浏览：309次 口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

暂无文件

摘要
摘要：准确估计重金属等污染物的空间分布是污染场地调查的重要内容。在本文中，我们发展了一种新的深度学习（DL）算法，该算法通过构建临近神经网络预测目标点的浓度。结果表明，在20个虚拟场地和单个实际场地的对比测试中，相较于克里金算法的插值结果，所开发的DL算法的插值结果的平均精度分别提高38.2%和11.2%~36.6%。结果还表明，对于空间异质性较为显著的污染场地，该方法能缓解克里金算法中的平滑效应和边缘效应，从而取得较好的效果。进一步研究发现，该方法的预测精度随着邻近点个数的增加先增大后减小。而当临近点数量超过某一阈值（n = 64）时，采样密度的影响十分有限。作为将DL算法应用于单个污染场地的初步尝试，本研究为识别重金属空间分布提供了一种精度更高、不确定性更低的鲁棒替代方法。
 
关键词
暂无
报告人
尧一骏
中国科学院南京土壤研究所

发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    10月25日

    2021

    至

    10月27日

    2021

  • 10月10日 2021

    初稿截稿日期

  • 10月10日 2021

    报告提交截止日期

  • 10月23日 2021

    注册截止日期

主办单位
中国科学院南京土壤研究所
中国土壤学会
承办单位
中国科学院土壤环境与污染修复重点实验室
中国科学院南京土壤研究所土壤与环境生物修复研究中心
农田土壤污染防控与修复技术国家工程实验室
场地安全修复技术国家工程实验室
中国土壤学会土壤环境专业委员会
中国土壤学会土壤修复专业委员会
中国土壤学会环境微塑料工作组
中国环境科学学会土壤与地下水环境专业委员会
中国土壤学会土壤工程专业委员会
森特士兴集团股份有限公司
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询