论文部分内容阅读
土壤中微塑料的传递和积累对土壤理化性质、土壤功能、植物生长、动物生存、生物多样性和人类安全都会产生深远的负面影响。现有的土壤微塑料检测技术既费时又费力,缺乏识别和定量土壤中微塑料的标准化方法是研究的障碍。我们以土壤和低密度聚乙烯(LDPE)\聚氯乙烯(PVC)的混合物为研究对象,探究样品在0.6-1.8THz光谱变化趋势,我们对样品太赫兹光谱吸光度数据分别进行归一化、均值中心化和移动窗口平滑预处理,以最小二乘支持向量机模型(LS-SVM)、极限学习机模型(ELM)和偏最小二乘模型(PLS)对土壤中微塑料污染程度进行预测。以相关系数(R)和均方根误差(RMSE)作为模型性能的评价指标。由预实验建模结果可知:移动窗口平滑处理后的LS-SVM模型精度最高。其R大于0.9768,RMSE小于0.0066。PLS模型和LS-SVM模型预测结果相似。ELM模型预测结果R大于0.8163,RMSE小于0.0175,预测效果也值得肯定。基于预实验预测效果良好,实验人员对全国九个地区的土壤微塑料污染水平进行探究,对样品的THz光谱吸光度数据建立ELM局部预测模型和LS-SVM局部预测模型,以探究不同地区土壤中的微塑料污染水平。针对局部地区土壤中LDPE预测的ELM模型,Rc取值范围为0.7401-0.9489,Rc的平均值为0.8684,RMSEc取值范围为0.0094-0.0202,RMSEc的平均值为0.0144。Rp取值范围为0.8837-0.9549,Rp的平均值为0.9229,RMSEp取值范围为0.0093-0.0160,RMSEp的平均值为0.0126。针对局部地区土壤中PVC预测的ELM模型,Rc的范围为0.7132-0.9480,Rc的平均值为0.8647,RMSEc范围为0.0095-0.0210,RMSEc的平均值为0.0028。Rp的范围为0.8737-0.9697,Rp的平均值为0.9126,RMSEp范围为0.0080-0.0175,RMSEp的平均值为0.0143。基于ELM算法的局部模型预测良好。针对局部地区土壤中LDPE预测的LS-SVM模型,Rc取值范围为0.9656-0.9999,Rc的平均值为0.9957,RMSEc取值范围为0.0003-0.0056,RMSEc的平均值为0.0014。Rp取值范围为0.9656-0.9920,Rp的平均值为0.9833,RMSEp取值范围为0.0039-0.0087,RMSEp的平均值为0.0056。针对局部地区土壤中PVC预测的LS-SVM模型,Rc的取值范围为0.9730-0.9999,Rc的平均值为0.9940,RMSEc取值范围为0.0008-0.0081,RMSEc的平均值为0.0028。Rp的取值范围为0.9328-0.9854,Rp的平均值为0.9686,RMSEp取值范围为0.0055-0.0115,RMSEp的平均值为0.0078。LS-SVM局部预测模型预测效果良好,预测效果优于ELM局部预测模型。以上两种局部模型的精度不受土壤理化性质和微塑料种类影响。局部模型虽预测精度较高,但当不同地区土壤中微塑料浓度进行交叉预测时,预测效果并不理想,局部模型不具有移植性。为解决上述问题,我们探索了LS-SVM多源融合模型,其原理是将具有相同目标检测污染物的九个校正集合并成一个校正集,然后通过同时分别预测各个局部预测集来评估多源模型的普适性。针对土壤中LDPE的预测,Rc取值范围为0.9548-0.9887,Rc平均值为0.9744,RMSEc取值范围为0.0008-0.0045,RMSEc平均值为0.0020。Rp范围为0.9753-0.9983,Rp平均值为0.9888,RMSEp取值范围为0.0003-0.0011,RMSEp平均值为0.00005。多源融合模型对于土壤中PVC的预测,Rc取值范围为0.9412-0.9821,Rc平均值为0.9625,RMSEc取值范围为0.0001-0.0038,RMSEc平均值为0.0012。Rp取值范围为0.9500-0.9831,Rp平均值是0.9656,RMSEp取值范围是0.0003-0.0028,平均RMSEp是0.0014。多元融合模型可以实现同时对全国九个地区的预测,并且不受土壤理化性质和微塑料种类的影响。多源模型无论是在模型精度、模型稳定性,预测效率等多个方面都远胜ELM局部模型、ELM交叉预测模型、LS-SVM局部模型和LS-SVM局部交叉预测模型,综上所述,LS-SVM多源融合模型是本研究的最优模型,它可实现同时对多地区土壤微塑料浓度进行快速准确地预测。