基于遗传算法和BP神经网络的矿区土壤重金属含量空间分布预测

作     者：赵萍 阮旭东 刘亚风 赵思逸 孙雨 常杰 周俊 ZHAO Ping;RUAN Xudong;LIU Yafeng;ZHAO Siyi;SUN Yu;CHANG Jie;ZHOU Jun

作者机构：合肥工业大学资源与环境工程学院合肥230009 安庆师范大学资源环境学院安徽安庆246133 

出 版 物：《土壤》 (Soils)

年 卷 期：2024年第56卷第4期

页      面：889-896页

核心收录：

学科分类：12[管理学] 1204[管理学-公共管理] 082803[工学-农业生物环境与能源工程] 07[理学] 08[工学] 0828[工学-农业工程] 0705[理学-地理学] 070501[理学-自然地理学] 120405[管理学-土地资源管理] 

基　　金：国家自然科学基金项目(41972304)资助 

主　　题：遗传算法 BP神经网络 GABP模型 空间分布预测 重金属含量 

摘      要：本研究提出了一种基于遗传算法(Genetic algorithm,GA)和BP神经网络(Back propagation neural network,BPNN)的复合模型——GABP模型,以安徽省池州市某矿区及其周边为研究区,预测了土壤中p H和7种重金属元素(Cd、Pb、Cr、Cu、Ni、Hg、As)含量的空间分布,并与BPNN和反比距离权重法(Inverse distance weighting,IDW)进行了比较。研究结果表明:受采矿活动影响,研究区土壤p H和重金属含量呈显著的空间分异性;GABP复合模型的数据扩增能够有效弥补BPNN对样本数量的依赖,同时结合了地理位置和高程属性,精度评价结果显示GABP模型的平均R^(2)、r、RMSE、MAE分别是IDW和BPNN的3.03倍、2.56倍,2.93倍、2.39倍,0.85倍、0.61倍,0.79倍、0.62倍,预测精度更高。模型解决了传统空间插值方法结果中可能出现负值和边界无法插值的问题,为土壤重金属含量空间分布预测提供了一种新方法。