公开(公告)号：CN116187543A

公开(公告)日：2023-05-30

申请号：CN202310030466.5

申请日：2023-01-10

申请人： 中南大学

发明人： 田晨 ,  巢瑾 ,  林璋 ,  齐冲冲 ,  古黄玲 ,  廖钦鹏

IPC分类号： G06Q10/04 ,  G01N33/24 ,  G06N5/01 ,  G06N20/20 ,  G06F18/214

摘要： 本发明提供了一种基于机器学习的土壤重金属含量预测的方法，包括步骤：S1.从文献数据库和专业数据库中筛选重金属污染数据，作为样本数据集；S2.基于土壤重金属环境质量标准剔除样本数据集中的异常数据，得到第一处理样本数据集；S3.对第一处理样本数据集进行预处理得到预处理样本数据集；S4.将预处理样本数据集划分为训练集以及测试集，基于训练集及测试集训练并评价机器学习模型，并确定土壤重金属含量预测模型；S5.根据土壤重金属含量预测模型对未知重金属含量的土壤点进行重金属含量预测。本发明构建的土壤重金属含量预测模型精度高、普适性强，值得推广。

公开(公告)号：CN116148438B

公开(公告)日：2024-06-18

申请号：CN202310031962.2

申请日：2023-01-10

申请人： 中南大学

发明人： 田晨 ,  廖钦鹏 ,  林璋 ,  齐冲冲 ,  古黄玲 ,  巢瑾

IPC分类号： G01N33/24 ,  G06N5/01 ,  G06N20/20

摘要： 本发明提供了一种基于机器学习的土壤矿物含量预测方法，包括步骤：S1，从文献数据库或专业数据库中收集土壤一般信息、土壤物相及其它性质、表土理化性质以及底土理化性质的数据，并建立机器学习模型的数据集；S2，对数据集预处理，得预处理样本数据集；S3，将预处理样本数据集随机划分为训练集、测试集，并对所述训练集进行机器学习，得土壤矿物含量预测模型；S4，根据所述土壤矿物含量预测模型进行土壤矿物含量预测。相比于现有技术，建立的土壤矿物含量预测模型可实现对未知的待测土壤进行土壤矿物含量的快速预测，结果准确性高，更新简单，工作周期短，节省人力物力；此外，还不会产生化学品污染，符合绿色环保理念，具有应用价值。

公开(公告)号：CN116148438A

公开(公告)日：2023-05-23

申请号：CN202310031962.2

申请日：2023-01-10

申请人： 中南大学

发明人： 田晨 ,  廖钦鹏 ,  林璋 ,  齐冲冲 ,  古黄玲 ,  巢瑾

IPC分类号： G01N33/24 ,  G06N5/01 ,  G06N20/20

摘要： 本发明提供了一种基于机器学习的土壤矿物含量预测方法，包括步骤：S1，从文献数据库或专业数据库中收集土壤一般信息、土壤物相及其它性质、表土理化性质以及底土理化性质的数据，并建立机器学习模型的数据集；S2，对数据集预处理，得预处理样本数据集；S3，将预处理样本数据集随机划分为训练集、测试集，并对所述训练集进行机器学习，得土壤矿物含量预测模型；S4，根据所述土壤矿物含量预测模型进行土壤矿物含量预测。相比于现有技术，建立的土壤矿物含量预测模型可实现对未知的待测土壤进行土壤矿物含量的快速预测，结果准确性高，更新简单，工作周期短，节省人力物力；此外，还不会产生化学品污染，符合绿色环保理念，具有应用价值。