Nature.com saytına daxil olduğunuz üçün təşəkkür edirik. İstifadə etdiyiniz brauzer versiyasında CSS üçün məhdud dəstək var. Ən yaxşı təcrübə üçün sizə yenilənmiş brauzerdən istifadə etməyi (və ya Internet Explorer-də uyğunluq rejimini söndürməyi) tövsiyə edirik. Bu arada, davamlı dəstəyi təmin etmək üçün saytı üslub və JavaScript olmadan göstərəcəyik.
Torpağın çirklənməsi insan fəaliyyəti nəticəsində yaranan böyük problemdir. Potensial zəhərli elementlərin (PTE) məkanda paylanması əksər şəhərlərdə və şəhərətrafı ərazilərdə dəyişir. Buna görə də, belə torpaqlarda PTE-lərin məzmununu fəza baxımından proqnozlaşdırmaq çətindir. Çexiyadakı Frydek Mistek (Calcium (Calcium) (Calcium (Calcium)) və assimium (Calcium)) dən cəmi 115 nümunə götürülmüşdür. Ni) konsentrasiyaları induktiv birləşmiş plazma emissiya spektrometriyasından istifadə etməklə müəyyən edilmişdir. Cavab dəyişəni Ni, proqnozlaşdırıcılar isə Ca, Mg və K-dir. Cavab dəyişəni ilə proqnozlaşdırıcı dəyişən arasındakı korrelyasiya matrisi elementlər arasında qənaətbəxş korrelyasiya göstərir. Proqnozlaşdırma nəticələri göstərdi ki, Dəstək Vektor Maşın Reqressiyasının (SVMR) təxmininin yaxşı yerinə yetirilməsinə baxmayaraq (SVMR) mq2/kq orta hesabla səhvdir. ) və orta mütləq xəta (MAE) (166,946 mq/kq) tətbiq olunan digər üsullardan yüksək idi. Empirik Bayesian Kriqinq-Çoxxətti Reqressiya (EBK-MLR) üçün qarışıq modellər zəif işləyir, 0,1-dən az təyinetmə əmsalları ilə sübut olunur. 479 mq/kq) və MAE (77,368 mq/kq) dəyərləri və yüksək təyin əmsalı (R2 = 0,637). EBK-SVMR modelləşdirmə texnikasının çıxışı öz-özünə təşkil edilən xəritədən istifadə etməklə vizuallaşdırılır. CakMg-EBK-SVMR hibrid modelinin müstəvisində çoxlu neyronlar o qədər çoxlu konsentrasiyanı göstərir ki, şəhər perimetri və SVMR-də çoxlu konsentrasiyalar göstərir. EBK və SVMR-nin tətbiqi şəhər və şəhərətrafı torpaqlarda Ni konsentrasiyalarının proqnozlaşdırılması üçün effektiv üsuldur.
Nikel (Ni) bitkilər üçün mikronutrient hesab olunur, çünki o, atmosferdə azotun fiksasiyasına (N) və karbamid mübadiləsinə kömək edir, hər ikisi toxumların cücərməsi üçün tələb olunur. Toxumların cücərməsinə töhfə verməklə yanaşı, Ni bir göbələk və bakterial inhibitor rolunu oynaya bilər və bitki inkişafını təşviq edə bilər. yaşıl lobya azot fiksasiyasını optimallaşdırmaq üçün nikel əsaslı gübrələrin tətbiqini tələb edir2. Torpağı zənginləşdirmək və paxlalı bitkilərin torpaqda azotu fiksasiya etmək qabiliyyətini artırmaq üçün nikel əsaslı gübrələrin davamlı tətbiqi torpaqda nikel konsentrasiyasını davamlı olaraq artırır. Nikel nikel konsentrasiyasını davamlı olaraq artırır. torpaqda torpağın pH səviyyəsini minimuma endirir və bitkilərin böyüməsi üçün əsas qida elementi kimi dəmirin udulmasına mane olur1. Liu3-ə görə, Ni bitki inkişafı və böyüməsi üçün tələb olunan 17-ci vacib elementdir. Bitkilərin inkişafı və böyüməsindəki nikelin rolundan əlavə, insanların müxtəlif tətbiqlər üçün ehtiyacı var. Bütün bunlar müxtəlif sənaye sektorlarında nikelin istifadəsini tələb edir. Bundan əlavə, nikel əsaslı ərintilər və elektrolizlə örtülmüş məmulatlar mətbəx əşyaları, ziyafət salonu aksesuarları, qida sənayesi təchizatı, elektrik, məftil və kabel, reaktiv turbinlər, cərrahi implantlar, tekstil və gəmiqayırma sənayesində geniş istifadə olunur. , Ni antropogen deyil, təbii mənbədir4,6.Nikelin təbii mənbələrinə vulkan püskürmələri, bitki örtüyü, meşə yanğınları və geoloji proseslər daxildir;lakin, antropogen mənbələrə polad sənayesində nikel/kadmium batareyaları, elektrokaplama, qövs qaynağı, dizel və yanacaq yağları, kömürün yanması və tullantıların və çamurun yandırılması nəticəsində atmosferə atılan nikel yığılması7,8.Fredman və Hutchinson və başqalarına görə9 və digərləri daxildir.10-da, yaxın və ona bitişik ətraf mühitdə torpağın üst qatının çirklənməsinin əsas mənbələri əsasən nikel-mis əsaslı ərimə zavodları və mədənlərdir. Kanadadakı Sudberi nikel-mis emalı zavodunun ətrafındakı üst torpaq 26.000 mq/kq nikellə çirklənmənin ən yüksək səviyyəsinə malikdir. Norveç torpağında11.Alms et al.12, regionun ən yaxşı əkin sahələrində (Rusiyada nikel istehsalı) HNO3 çıxarıla bilən nikelin miqdarı orta hesabla 30,43 mq/kq və 25 mq/kq baza konsentrasiyasına uyğun olaraq 6,25-136,88 mq/kq arasında dəyişmişdir. Ardıcıl əkin mövsümlərində nikel torpağa nüfuz edə və ya çirkləndirə bilər. Nikelin insanlarda potensial təsiri mutagenez, xromosomların zədələnməsi, Z-DNT generasiyası, bloklanmış DNT eksizyonunun təmiri və ya epigenetik proseslər yolu ilə xərçəngə səbəb ola bilər13. Heyvan təcrübələrində nikelin müxtəlif karbohidratlar, tumurcuqlar və ekizogen xəstəliklərə səbəb ola biləcəyi aşkar edilmişdir.
Torpağın çirklənməsinin qiymətləndirilməsi son zamanlarda torpaq-bitki münasibətləri, torpaq və torpağın bioloji əlaqələri, ekoloji deqradasiya və ətraf mühitə təsirin qiymətləndirilməsindən irəli gələn sağlamlıqla bağlı geniş spektrli problemlər səbəbindən inkişaf edib. Minasny və McBratney16-ya görə, proqnozlaşdırılan torpaq xəritəsi (DSM) torpaqşünaslığın görkəmli alt fənni olduğunu sübut etdi. Laqacherie və McBratney, 2006 DSM-ni “məkan torpaq məlumat sistemlərinin yaradılması və doldurulması” kimi müəyyən edir. sistemləri”.McBratney et al.17 müasir DSM və ya PSM-nin PTE-lərin, torpaq növlərinin və torpaq xüsusiyyətlərinin məkan paylanmasını proqnozlaşdırmaq və ya xəritələşdirmək üçün ən effektiv texnika olduğunu qeyd edir. Geostatistika və Maşın Öyrənmə Alqoritmləri (MLA) əhəmiyyətli və minimal məlumatlardan istifadə edərək kompüterlərin köməyi ilə rəqəmsal xəritələr yaradan DSM modelləşdirmə üsullarıdır.
Deutsch18 və Olea19 geostatistikanı “əsasən zaman sıralarının təhlilinin müvəqqəti məlumatları necə xarakterizə etməsi kimi stoxastik modellərdən istifadə etməklə, məkan atributlarının təsviri ilə məşğul olan ədədi texnikalar toplusu” kimi təyin edirlər.İlk növbədə, geostatistika varioqramların qiymətləndirilməsini əhatə edir ki, bu da hər bir məlumat dəstindən məkan dəyərlərinin asılılıqlarını müəyyən etməyə və müəyyən etməyə imkan verir20.Gumiaux et al.20 daha sonra göstərir ki, geostatistikada varioqramların qiymətləndirilməsi üç prinsipə əsaslanır, o cümlədən (a) verilənlərin korrelyasiya miqyasının hesablanması, (b) verilənlər toplusunun qeyri-bərabərliyində anizotropiyanın müəyyən edilməsi və hesablanması və (c) əlavə olaraq, ölçmə məlumatlarının xas xətasını nəzərə almaqla yanaşı, bir çox geopolisasiya metodlarından ayrılan yerli təsirlər də istifadə olunur. ümumi kriginq, co-kriginq, adi kriginq, empirik Bayes kriginqi, sadə kriginq metodu və PTE, torpaq xüsusiyyətləri və torpaq növlərini xəritələşdirmək və ya proqnozlaşdırmaq üçün digər tanınmış interpolyasiya üsulları daxil olmaqla statistika.
Maşın Öyrənmə Alqoritmləri (MLA) daha böyük qeyri-xətti məlumat siniflərindən istifadə edən nisbətən yeni bir texnikadır, əsasən məlumatların çıxarılması, verilənlərdəki nümunələri müəyyən etmək üçün istifadə olunan alqoritmlərlə dəstəklənir və torpaqşünaslıq və qayıdış tapşırıqları kimi elmi sahələrdə təsnifatda dəfələrlə tətbiq olunur. Çoxsaylı tədqiqat sənədləri Tanil və digərlərində PTE-ni proqnozlaşdırmaq üçün MLA modellərinə əsaslanır.22 (kənd təsərrüfatı torpaqlarında ağır metalların qiymətləndirilməsi üçün təsadüfi meşələr), Sakizadə və b.23 (dəstək vektor maşınları və süni neyron şəbəkələrindən istifadə edərək modelləşdirmə) torpağın çirklənməsi ).Bundan əlavə, Vega et al.24 (torpaqda ağır metalların tutulması və adsorbsiyasının modelləşdirilməsi üçün CART) Sun et al.25 (kubist tətbiqi Cd-nin torpaqda paylanmasıdır) və k-ən yaxın qonşu, ümumiləşdirilmiş gücləndirilmiş reqressiya və gücləndirilmiş reqressiya kimi digər alqoritmlər Ağaclar da torpaqda PTE-ni proqnozlaşdırmaq üçün MLA-nı tətbiq etdilər.
DSM alqoritmlərinin proqnoz və ya xəritələşdirmədə tətbiqi bir sıra problemlərlə üzləşir. Bir çox müəlliflər MLA-nın geostatistikadan üstün olduğuna və əksinə olduğuna inanırlar. Biri digərindən daha yaxşı olsa da, ikisinin birləşməsi DSM15-də xəritəçəkmə və ya proqnozlaşdırmanın dəqiqlik səviyyəsini yaxşılaşdırır.Woodcock və Gopal26 Finke27;Pontius və Cheuk28 və Grunwald29 proqnozlaşdırılan torpağın xəritələşdirilməsində çatışmazlıqlar və bəzi səhvlər barədə şərh verirlər. Torpaq alimləri DSM xəritələşdirilməsinin və proqnozlaşdırılmasının effektivliyini, dəqiqliyini və proqnozlaşdırıla bilənliyini optimallaşdırmaq üçün müxtəlif üsulları sınamışlar. Qeyri-müəyyənlik və yoxlamanın birləşməsi DSM-ə inteqrasiya olunmuş və effektivliyi azaltmaq üçün müxtəlif aspektlərdən biridir.15 xəritənin yaradılması və proqnozlaşdırılması ilə təqdim edilən qiymətləndirmə davranışı və qeyri-müəyyənliyin xəritə keyfiyyətini yaxşılaşdırmaq üçün müstəqil olaraq təsdiq edilməlidir.lakin DSM-də əminliyin olmaması bir çox səhv mənbələrindən, yəni kovariativ xətadan, model xətası, yerləşmə xətası və analitik xəta 31-dən yarana bilər. MLA və geostatistik proseslərdə yaranan modelləşdirmə qeyri-dəqiqlikləri başa düşülməməsi ilə əlaqələndirilir və nəticədə modelin real prosesinin həddən artıq sadələşdirilməsinə gətirib çıxarır32. , riyazi model proqnozları və ya interpolyasiya33. Bu yaxınlarda xəritəçəkmə və proqnozlaşdırmada geostatistikanın və MLA-nın inteqrasiyasını təşviq edən yeni DSM tendensiyası yaranmışdır. Sergeev et al kimi bir neçə torpaqşünas və müəllif.34;Subbotina və başqaları.35;Tarasov və b.36 və Tarasov və b.37 proqnozlaşdırma və xəritələşdirmənin səmərəliliyini yaxşılaşdıran hibrid modellər yaratmaq üçün geostatistikanın dəqiq keyfiyyətindən və maşın öyrənməsindən istifadə etmişdir.keyfiyyət. Bu hibrid və ya birləşdirilmiş alqoritm modellərindən bəziləri Süni Neyron Şəbəkəsi Krigingi (ANN-RK), Çoxlaylı Perseptron Qalıq Kriqinqi (MLP-RK), Ümumiləşdirilmiş Reqressiya Neyron Şəbəkəsinin Qalıq Krigingi (GR-NNRK)36, Süni Neyron Şəbəkəsinin Kriqinqi-Çoxlaylı Qavrayış-Qayğılanması və Koqressiv-Rekressiyası (ANNK3)-dir. 38.
Sergeev və digərlərinin fikrincə, müxtəlif modelləşdirmə üsullarının birləşdirilməsi onun tək modelini inkişaf etdirməkdənsə, onun qüsurlarını aradan qaldırmaq və nəticədə yaranan hibrid modelin səmərəliliyini artırmaq potensialına malikdir. Bu kontekstdə, bu yeni məqalədə qeyd olunur ki, geostatistika və MLA-nın birləşmiş alqoritmini tətbiq etmək lazımdır ki, bu, Kritik şəhər və ətraf ərazilərdə şəhərətrafı ərazilərin zənginləşdirilməsini proqnozlaşdırmaq üçün optimal hibrid modellər yaratmaq lazımdır. ) əsas model kimi və onu Dəstək Vektor Maşını (SVM) və Çox Xətti Reqressiya (MLR) modelləri ilə qarışdırın. EBK-nın hər hansı MLA ilə hibridləşməsi məlum deyil. Görünən çoxsaylı qarışıq modellər adi, qalıq, reqressiya kriginqinin birləşmələridir və MLA.EBK, təsadüfi-sahəsiz sahə ilə lokallaşdırılmış, təsadüfi olmayan bir proses olan geostatistik interpolyasiya üsuludur. sahə üzrə müəyyən edilmiş lokalizasiya parametrləri39.EBK müxtəlif tədqiqatlarda, o cümlədən təsərrüfat torpaqlarında üzvi karbonun paylanmasının təhlili40, torpağın çirklənməsinin qiymətləndirilməsi41 və torpaq xüsusiyyətlərinin xəritələşdirilməsi42 istifadə edilmişdir.
Digər tərəfdən, Self-Organizing Graph (SeOM) Li və digərləri kimi müxtəlif məqalələrdə tətbiq edilmiş öyrənmə alqoritmidir.43, Wang et al.44, Hossain Bhuiyan et al.45 və Kebonye et al.46 Elementlərin məkan atributlarını və qruplaşmasını müəyyən edin.Wang et al.44 qeyd edir ki, SeOM qeyri-xətti problemləri qruplaşdırmaq və təsəvvür etmək bacarığı ilə tanınan güclü öyrənmə texnikasıdır. Əsas komponentlərin təhlili, qeyri-səlis klasterləşdirmə, iyerarxik klasterləşdirmə və çox kriteriyalı qərarların qəbulu kimi nümunənin tanınması üsullarından fərqli olaraq, SeOM PTE nümunələrinin təşkili və müəyyənləşdirilməsində daha yaxşıdır.44-ə uyğun olaraq, SeOM əlaqəli neyronların paylanmasını məkan olaraq qruplaşdıra bilər və yüksək keyfiyyətli məlumatların vizuallaşdırılmasını təmin edə bilər. SeOM birbaşa şərh üçün nəticələri xarakterizə etmək üçün ən yaxşı modeli əldə etmək üçün Ni proqnozlaşdırma məlumatlarını vizuallaşdıracaq.
Bu sənəd şəhər və şəhərətrafı torpaqlarda nikelin miqdarını proqnozlaşdırmaq üçün optimal dəqiqliyə malik möhkəm xəritəçəkmə modelini yaratmaq məqsədi daşıyır. Biz fərz edirik ki, qarışıq modelin etibarlılığı əsasən əsas modelə qoşulmuş digər modellərin təsirindən asılıdır. Biz DSM-nin üzləşdiyi problemləri qəbul edirik və bu problemlər MLA-da bir çox inkişaflar və geostat modellərinin birləşməsində həll edilir. al;buna görə də biz qarışıq modellər verə biləcək tədqiqat suallarına cavab verməyə çalışacağıq. Bununla belə, model hədəf elementi proqnozlaşdırmaqda nə dərəcədə dəqiqdir? Həmçinin, təsdiqləmə və dəqiqliyin qiymətləndirilməsinə əsaslanan səmərəliliyin qiymətləndirilməsinin səviyyəsi nədir? Buna görə də, bu tədqiqatın xüsusi məqsədləri (a) SVMR və ya MLR üçün birləşmiş qarışıq modelini yaratmaq idi (a) ən yaxşı nəticə kimi qarışıq modelini müqayisə etmək (müqayisə edən model kimi SVMR və ya MLR), şəhər və ya şəhərətrafı torpaqlarda Ni konsentrasiyalarının proqnozlaşdırılması üçün model və (d) nikelin məkan dəyişməsinin yüksək ayırdetmə xəritəsini yaratmaq üçün SeOM tətbiqi.
Tədqiqat Çex Respublikasında, xüsusilə Moraviya-Sileziya bölgəsindəki Frydek Mistek rayonunda aparılır (Şəkil 1-ə baxın). Tədqiqat ərazisinin coğrafiyası çox sərtdir və əsasən Karpat dağlarının xarici kənarının bir hissəsi olan Moraviya-Silezyan Beskidy bölgəsinin bir hissəsidir. Tədqiqat ərazisi N°01′′ ilə N°04′′ arasında yerləşir. , hündürlüyü isə 225 ilə 327 m arasındadır;Bununla belə, bölgənin iqlim vəziyyəti üçün Koppen təsnifat sistemi Cfb = mülayim okean iqlimi kimi qiymətləndirilir, hətta quraq aylarda da çoxlu yağıntılar olur. Temperaturlar il ərzində bir qədər −5 °C ilə 24 °C arasında dəyişir, nadir hallarda −14 °C-dən aşağı və ya 30 °C-dən yuxarı düşür, orta illik yağıntı isə 774 °C-dən yuxarıdır. bütün sahə 1208 kvadrat kilometrdir, becərilən ərazinin 39,38%-i və meşə örtüyünün 49,36%-i. Digər tərəfdən, bu tədqiqatda istifadə olunan sahə təxminən 889,8 kvadrat kilometrdir. Ostrava və onun ətrafında polad sənayesi və metal işləri çox aktivdir. və alaşımlı poladlar (nikel yaxşı çevikliyini və möhkəmliyini qoruyarkən ərintinin gücünü artırır) və fosfat gübrələrinin tətbiqi və heyvandarlıq istehsalı kimi intensiv kənd təsərrüfatı bölgədə nikelin tədqiqat potensial mənbələridir (məsələn, quzularda artım sürətini artırmaq üçün quzulara nikel əlavə etmək və sənaye sahələrində az yemlənmiş mal-qara, elektrolitdən istifadə də daxil olmaqla). el və elektriksiz nikel üzləmə prosesləri. Torpağın xüsusiyyətləri torpağın rəngindən, strukturundan və karbonat məzmunundan asanlıqla fərqlənir. Torpağın teksturası orta və incədir, ana materialdan əldə edilir. Onlar kolluvial, allüvial və ya aeol təbiətlidirlər. Bəzi torpaq sahələri səthdə və qruntda xallı görünür, tez-tez beton və ağartma bölgələrində ən çox yayılmış növlərdir. 48. 455,1-dən 493,5 m-ə qədər hündürlükləri ilə, Çex Respublikasında kambisollar üstünlük təşkil edir49.
Tədqiqat ərazisinin xəritəsi [Tədqiqat ərazisinin xəritəsi ArcGIS Desktop (ESRI, Inc, versiya 10.7, URL: https://desktop.arcgis.com) istifadə edərək yaradılmışdır.]
Frydek Mistek rayonunda şəhər və şəhərətrafı torpaqlardan cəmi 115 üst qat nümunəsi əldə edilmişdir. İstifadə olunmuş nümunə nümunəsi 2 × 2 km məsafədə yerləşən torpaq nümunələri olan adi şəbəkə idi və üst qat əldə tutulan GPS cihazı (Leica Zenoamplespl etiketi ilə düzgün şəkildə bağlanmış, GPSS Zinoamples 5 paketində qablaşdırılıb) ilə 0-20 sm dərinlikdə ölçülmüşdür. .Nümunələr toz halına salınmış nümunələr hazırlamaq üçün havada qurudulmuş, mexaniki sistemlə toz halına salınmış (Fritsch diskli dəyirman) və ələkdən keçirilmişdir (ələk ölçüsü 2 mm). 1 qram qurudulmuş, homogenləşdirilmiş və ələklənmiş torpaq nümunələrini aydın şəkildə etiketlənmiş teflon şüşələrə yerləşdirin. Hər bir teflon qaba avtomatik HNO33 ml 5 ml və HNO3% 5 ml tökün. dispenser – hər turşu üçün bir ədəd), yüngülcə örtün və nümunələrin reaksiya üçün bir gecədə dayanmasına icazə verin (aqua regia proqramı). Seyreltilmiş supernatantı deionlaşdırılmış su ilə 50 ml PVC boruya süzün. Bundan əlavə, 1 ml seyreltmə məhlulu 9 ml deionlaşdırılmış su ilə seyreltildi və PTE psevdo-konsentrasiyası üçün hazırlanmış 12 ml-lik boruya süzüldü. PTE-lərin (As, Cd, Cr, Cu, Mn, Ca, MOESİn, ZCP, ICP) konsentrasiyaları müəyyən edildi. led Plazma Optik Emissiya Spektroskopiyası) (Thermo Fisher Scientific, ABŞ) standart metodlara və razılaşmaya uyğun olaraq. Keyfiyyət Təminatı və Nəzarət (QA/QC) prosedurlarını təmin edin (SRM NIST 2711a Montana II Torpaq). Aşkarlama həddi yarıdan aşağı olan PTE-lər bu tədqiqatdan xaric edildi. hər bir analiz üçün proses istinad standartlarının təhlili ilə təmin edilir. Səhvlərin minimuma endirilməsini təmin etmək üçün ikiqat təhlil aparılmışdır.
Empirik Bayesian Kriqinq (EBK) torpaqşünaslıq kimi müxtəlif sahələrdə modelləşdirmədə istifadə olunan bir çox geostatistik interpolyasiya üsullarından biridir. Digər kriginq interpolyasiya üsullarından fərqli olaraq, EBK ənənəvi kriginq metodlarından semivarioqramma modeli ilə təxmin edilən xətanı nəzərə alaraq fərqlənir. EBK interpolyasiyasında bir neçə yarımvarioqramlı interpolasiya texnikası zamanı yarımvarioqramma modelləri deyil, bir neçə yarımvarioqram interpolasiyası olur. Kifayət qədər kriqinq metodunun olduqca mürəkkəb hissəsini təşkil edən yarımvarioqramın bu planlaşdırılması ilə bağlı qeyri-müəyyənlik və proqramlaşdırma yolu. EBK-nın interpolyasiya prosesi Krivoruçko50 tərəfindən təklif olunan üç meyara uyğundur, (a) model giriş verilənlər toplusundan yarımvarioqramı təxmin edir (b) hər bir daxil edilmiş məlumat toplusu üçün yeni proqnozlaşdırılan dəyər (b) hər bir daxilolma yeri üzrə proqnozlaşdırılan dəyər A yarımçıqtı əsasında yaradılır. simulyasiya edilmiş verilənlər toplusu. Bayes tənliyi qaydası posterior olaraq verilmişdir
\(Prob\left(A\sağ)\) əvvəlkini təmsil etdiyi halda, \(Prob\left(B\sağ)\) marjinal ehtimal əksər hallarda nəzərə alınmır, \(Prob (B,A)\ ) . Yarımvarioqramma hesablanması Bayes qaydasına əsaslanır, bu müşahidə verilənlər toplusunun meylini göstərən Bayes qaydasına əsaslanır ki, bu da Bayes qaydasından istifadə etməklə müəyyən edilə bilər. s semivarioqramdan müşahidələr toplusunun yaradılması ehtimalı nə qədərdir.
Dəstək vektor maşını eyni, lakin xətti müstəqil olmayan sinifləri ayırd etmək üçün optimal ayıran hipertəpə yaradan maşın öyrənmə alqoritmidir. Vapnik51 niyyət təsnifat alqoritmini yaratdı, lakin bu yaxınlarda reqressiya yönümlü problemləri həll etmək üçün istifadə edildi. Li və digərlərinə görə, SVM (SVM SVM reqressiyasının ən yaxşı komponentlərindən biridir və SVMS reqress sahəsində ən yaxşı təsnifatlandırıcılardan biridir). Bu təhlildə Reqressiya – SVMR) istifadə edilmişdir. Cherkassky və Mulier53 nüvə əsaslı reqressiya kimi SVMR-yə öncülük etmişlər, onun hesablanması çoxölkəli məkan funksiyaları ilə xətti reqressiya modelindən istifadə etməklə həyata keçirilmişdir. Con və digərləri54 bildirirlər ki, SVMR modelləşdirməsi hiperplanlı xətti reqressiyadan istifadə edir. .55, epsilon (ε)-SVMR, korrelyasiya edilmiş məlumatlar üzrə təlimdən ən yaxşı epsilon meyli ilə məlumatları müstəqil şəkildə xəritələmək üçün tətbiq edilən epsilon-həssas olmayan funksiya kimi təqdimat modelini əldə etmək üçün öyrədilmiş verilənlər dəstindən istifadə edir. Əvvəlcədən təyin edilmiş məsafə xətası faktiki dəyərdən nəzərə alınmır və xəta ε(ε)-dən böyükdürsə, torpaq kompleksinin təlim xüsusiyyətlərini də aşağı salır. vektorlar. Vapnik51 tərəfindən təklif olunan tənlik aşağıda göstərilmişdir.
burada b skalyar həddi, \(K\left({x}_{,}{ x}_{k}\right)\) ləpə funksiyasını, \(\alpha\) Laqranj çarpanını, N rəqəmsal verilənlər toplusunu, \({x}_{k}\) verilənlərin girişini və istifadə olunan verilənlərin MR əməliyyatını və \\ ker olan verilənlərin çıxışını təmsil edir. a Qauss radial əsas funksiyası (RBF). RBF nüvəsi optimal SVMR modelini müəyyən etmək üçün tətbiq edilir ki, bu da PTE təlim məlumatı üçün ən incə cəza dəsti amili C və nüvə parametr qamması (γ) əldə etmək üçün vacibdir. Əvvəlcə biz təlim dəstini qiymətləndirdik və sonra model performansını doğrulama parametri dəstində sınaqdan keçirdik.
Çox xətti reqressiya modeli (MLR) ən kiçik kvadratlar metodu ilə hesablanmış xətti birləşdirilmiş parametrlərdən istifadə etməklə cavab dəyişəni ilə bir sıra proqnozlaşdırıcı dəyişənlər arasındakı əlaqəni təmsil edən reqressiya modelidir. MLR-də ən kiçik kvadratlar modeli izahlı dəyişənlərin seçilməsindən sonra torpaq xüsusiyyətlərinin proqnozlaşdırıcı funksiyasıdır. izahlı dəyişənlərlə xətti əlaqə. MLR tənliyi
burada y cavab dəyişəni, \(a\) kəsişmə, n proqnozlaşdırıcıların sayı, \({b}_{1}\) əmsalların qismən reqressiyası, \({x}_{ i}\) proqnozlaşdırıcı və ya izahedici dəyişəni, \({\varepsilon }_{i}\) modeldə məlum olan xətanı da təmsil edir.
Qarışıq modellər EBK-nın SVMR və MLR ilə sendviçlənməsi yolu ilə əldə edilmişdir. Bu, EBK interpolyasiyasından proqnozlaşdırılan dəyərlərin çıxarılması yolu ilə həyata keçirilir. İnterpolyasiya edilmiş Ca, K və Mg-dən əldə edilən proqnozlaşdırılan dəyərlər CaK, CaMg və Ca, KMg kimi yeni dəyişənlərin əldə edilməsi üçün kombinatorial proses vasitəsilə əldə edilir. .Ümumilikdə, alınan dəyişənlər Ca, K, Mg, CaK, CaMg, KMg və CaKMg-dir. Bu dəyişənlər şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyalarını proqnozlaşdırmağa kömək edən proqnozlaşdırıcılarımız oldu. MLR alqoritmi vasitəsilə qarışıq model Empirik Bayesian Kriqinq-Çoxlu Xətti Reqressiya (EBK_MLR) əldə etmək. Tipik olaraq, Ca, K, Mg, CaK, CaMg, KMg və CaKMg dəyişənləri şəhər və şəhərətrafı ərazilərdə Ni məzmununun proqnozlaşdırıcıları kimi kovariativlər kimi istifadə olunur və ya o zaman ən məqbul EBK_ modelləri əldə ediləcək. özünü təşkil edən qrafikdən istifadə etməklə vizuallaşdırılıb. Bu tədqiqatın iş prosesi Şəkil 2-də göstərilib.
SeOM-dan istifadə maliyyə sektorunda, səhiyyədə, sənayedə, statistikada, torpaqşünaslıqda və sairdə məlumatların təşkili, qiymətləndirilməsi və proqnozlaşdırılması üçün məşhur alətə çevrilmişdir.SeOM təşkili, qiymətləndirilməsi və proqnozlaşdırılması üçün süni neyron şəbəkələri və nəzarətsiz öyrənmə metodlarından istifadə etməklə yaradılmışdır. qiymətləndirmə n giriş-ölçülü vektor dəyişənləri kimi istifadə olunur43,56.Melssen et al.57 giriş vektorunun neyron şəbəkəsinə bir giriş qatı vasitəsilə tək çəki vektoru olan çıxış vektoruna qoşulmasını təsvir edir. SeOM tərəfindən yaradılan çıxış, yaxınlığına görə altıbucaqlı, dairəvi və ya kvadrat topoloji xəritələrə toxunmuş müxtəlif neyronlardan və ya qovşaqlardan ibarət iki ölçülü xəritədir. Xəritə ölçülərinin müqayisəsi (metrik, kəmiyyətləşdirmə modeli) və səhv OM8 (SeQE0) və xəta modeli əsasında). 55 xəritə vahidi (5 × 11) olan müvafiq olaraq 0,904 seçilir. Neyron strukturu empirik tənlikdəki qovşaqların sayına görə müəyyən edilir.
Bu tədqiqatda istifadə edilən məlumatların sayı 115 nümunədir. Verilənləri test məlumatlarına (təsdiq üçün 25%) və təlim məlumat dəstlərinə (kalibrləmə üçün 75%) bölmək üçün təsadüfi bir yanaşma istifadə edilmişdir. Təlim məlumat dəsti reqressiya modelini (kalibrləmə) yaratmaq üçün istifadə olunur və test məlumat dəsti ümumiləşdirmə qabiliyyətini yoxlamaq üçün istifadə olunur58. -qat çarpaz doğrulama prosesi, beş dəfə təkrarlanır. EBK interpolyasiyası ilə yaradılan dəyişənlər hədəf dəyişənini (PTE) proqnozlaşdırmaq üçün proqnozlaşdırıcı və ya izahedici dəyişənlər kimi istifadə olunur. Modelləşdirmə RStudio-da kitabxana(Kohonen), kitabxana(karet), kitabxana(modelr), kitabxana("e1071″), kitabxana("care"), kitabxana("ca"r"s) paketlərindən istifadə etməklə idarə olunur. raries (“Metriklər”).
Torpaqdakı nikel konsentrasiyalarını proqnozlaşdırmaq üçün uyğun olan ən yaxşı modeli müəyyən etmək və modelin düzgünlüyünü və onun təsdiqini qiymətləndirmək üçün müxtəlif qiymətləndirmə parametrlərindən istifadə edilmişdir. Hibridləşmə modelləri orta mütləq xəta (MAE), kök orta kvadrat xətası (RMSE) və R-kvadrat və ya əmsalın təyini (R2) istifadə edərək qiymətləndirilmişdir. Müstəqil ölçülərdə böyüklük modelin proqnozlaşdırıcı gücünü təsvir edir, MAE isə faktiki kəmiyyət dəyərini müəyyən edir. Qiymətləndirmə parametrlərindən istifadə edərək ən yaxşı qarışıq modelini qiymətləndirmək üçün R2 dəyəri yüksək olmalıdır, dəyər 1-ə nə qədər yaxındırsa, dəqiqlik bir o qədər yüksəkdir. Li et al.59, 0,75 və ya daha çox olan R2 meyar dəyəri yaxşı proqnozlaşdırıcı hesab olunur;0,5-dən 0,75-ə qədər məqbul model performansı, 0,5-dən aşağı olması isə qəbuledilməz model performansıdır. RMSE və MAE qiymətləndirmə meyarlarının qiymətləndirmə metodlarından istifadə edərək modeli seçərkən əldə edilən aşağı qiymətlər kifayət idi və ən yaxşı seçim hesab olunurdu. Aşağıdakı tənlik yoxlama metodunu təsvir edir.
burada n müşahidə edilən dəyərin ölçüsünü təmsil edir\({Y}_{i}\) ölçülmüş cavabı, \({\widehat{Y}}_{i}\) də proqnozlaşdırılan cavab dəyərini təmsil edir, buna görə də ilk i müşahidələri üçün.
Proqnozlaşdırıcı və cavab dəyişənlərinin statistik təsvirləri Cədvəl 1-də təqdim olunub, orta, standart kənarlaşma (SD), dəyişmə əmsalı (CV), minimum, maksimum, kurtozis və əyrilik. Elementlərin minimum və maksimum dəyərləri Mg
Proqnozedici dəyişənlərin cavab elementləri ilə korrelyasiyası elementlər arasında qənaətbəxş korrelyasiya olduğunu göstərdi (bax Şəkil 3). Korrelyasiya CaK-nın CaNi kimi r dəyəri = 0.53 ilə orta korrelyasiya nümayiş etdirdiyini göstərdi. Ca və K bir-biri ilə təvazökar assosiasiyalar göstərsə də, Kingston et al.68 və Santo69 onların torpaqdakı səviyyələrinin tərs mütənasib olduğunu göstərir. Bununla belə, Ca və Mg K-yə antaqonistdir, lakin CaK yaxşı korrelyasiya edir. Bu, kaliumda 56% daha yüksək olan kalium karbonat kimi gübrələrin tətbiqi ilə əlaqədar ola bilər. Kalium, maqneziumla orta dərəcədə əlaqəli idi (bu sənayedə iki element). Potasyum maqnezium sulfat, kalium maqnezium nitrat və kaliumun çatışmazlıq səviyyələrini artırmaq üçün torpağa tətbiq olunduğundan əlaqədardır. Nikel Ca, K və Mg ilə müvafiq olaraq r = 0.52, 0.63 və 0.55 ilə orta dərəcədə korrelyasiya olunur. nezium kalsiumun udulmasını maneə törədir, kalsium artıq maqneziumun təsirini azaldır və həm maqnezium, həm də kalsium nikelin torpaqda zəhərli təsirlərini azaldır.
Proqnozedicilər və cavablar arasında əlaqəni göstərən elementlər üçün korrelyasiya matrisi (Qeyd: bu rəqəm elementlər arasında səpələnmə qrafikini ehtiva edir, əhəmiyyət səviyyələri p < 0,001-ə əsaslanır).
Şəkil 4 elementlərin məkan paylanmasını göstərir. Burgos və digərlərinə70 görə, məkan paylanmasının tətbiqi çirklənmiş ərazilərdə qaynar nöqtələrin kəmiyyətini müəyyənləşdirmək və vurğulamaq üçün istifadə edilən bir texnikadır. Şəkil 4-də Ca zənginləşmə səviyyələrini məkan paylama xəritəsinin şimal-qərb hissəsində görmək olar. Şəkil şimalda orta və yüksək Ca zənginləşmə xəritəsində ən çox qaynar zənginləşməni göstərir. torpağın turşuluğunu azaltmaq üçün sönməmiş əhəngdən (kalsium oksidi) istifadə edilməsi və polad dəyirmanlarında poladqayırma prosesində qələvi oksigen kimi istifadəsi. Digər tərəfdən, digər fermerlər pH-ı neytrallaşdırmaq üçün turşu torpaqlarda kalsium hidroksiddən istifadə etməyi üstün tuturlar ki, bu da torpağın kalsium tərkibini artırır71.Potasyumun şimalda və şimalda ən böyük mədəniyyət xəritəsi də göstərir. və orta-yüksək kalium nümunəsi NPK və kalium tətbiqləri ilə bağlı ola bilər. Bu, torpağın sabitləşməsinin və KCl və KCl ilə müalicənin yüksək NPK ilə nəticələndiyini müşahidə edən Madaras və Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75 kimi digər tədqiqatlara uyğundur.Paylanma xəritəsinin şimal-qərbində məkan Kalium zənginləşdirilməsi yoxsul torpaqların kalium tərkibini artırmaq üçün kalium xlorid, kalium sulfat, kalium nitrat, kalium və kalium kimi kalium əsaslı gübrələrin istifadəsi ilə əlaqədar ola bilər.Zádorová et al.76 və Tlustoš et al.77 qeyd etdi ki, K əsaslı gübrələrin tətbiqi torpaqda K tərkibini artırdı və uzun müddətdə torpağın qidalı tərkibini əhəmiyyətli dərəcədə artıracaq, xüsusən də K və Mg torpaqda qaynar nöqtəni göstərir. Xəritənin şimal-qərbində və xəritənin cənub-şərqində nisbətən mülayim qaynar nöqtələr. Torpaqda koloidal fiksasiya bitkilərdəki sarı maqnitlərin konsentrasiyasının tükənməsinə səbəb olur. damar xlorozu. Kalium maqnezium sulfat, maqnezium sulfat və Kieserit kimi maqnezium əsaslı gübrələr normal pH diapazonu olan torpaqlardakı çatışmazlıqları (bitkilər bənövşəyi, qırmızı və ya qəhvəyi görünür, maqnezium çatışmazlığını göstərir) müalicə edir6. Nikelin yığılması şəhər səthində və şəhər ətrafı kimi fəaliyyətlərlə əlaqədar ola bilər. paslanmayan polad istehsalında nikelin əhəmiyyəti78.
Elementlərin məkan paylanması [məkan paylama xəritəsi ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) istifadə edərək yaradılmışdır.]
Bu tədqiqatda istifadə olunan elementlər üçün model performans indeksinin nəticələri Cədvəl 2-də göstərilmişdir. Digər tərəfdən, Ni-nin RMSE və MAE-si sıfıra yaxındır (0.86 RMSE, -0.08 MAE). Digər tərəfdən, K-nin həm RMSE, həm də MAE dəyərləri məqbuldur. RMSE və MAE nəticələri kalsium və RMSE məlumatlarına görə daha böyükdür. Ni-ni proqnozlaşdırmaq üçün EBK istifadə edərək bu işin RMSE və MAE-nin John və digərlərinin nəticələrindən daha yaxşı olduğu aşkar edilmişdir.54 Eyni toplanmış məlumatlardan istifadə edərək torpaqda S konsentrasiyalarını proqnozlaşdırmaq üçün sinerji kriginqdən istifadə etməklə. Bizim tədqiq etdiyimiz EBK nəticələri Fabijaczyk və digərlərinin nəticələri ilə əlaqələndirilir.41, Yan et al.79, Beguin et al.80, Adhikary et al.81 və John et al.82, xüsusilə K və Ni.
Şəhər və şəhərətrafı torpaqlarda nikel tərkibinin proqnozlaşdırılması üçün fərdi metodların performansı modellərin performansından istifadə etməklə qiymətləndirilmişdir (Cədvəl 3). Modelin yoxlanılması və dəqiqliyin qiymətləndirilməsi Ca_Mg_K proqnozlaşdırıcısının EBK SVMR modeli ilə birlikdə ən yaxşı performansı verdiyini təsdiqlədi. Kalibrləmə modeli Ca_Mg_SESV_K (orta kvadrat kök xətası) Ca_MgRM2 və mütləq kök xətası. ) 0,637 (R2), 95,479 mq/kq (RMSE) və 77,368 mq/kq (MAE) Ca_Mg_K-SVMR 0,663 (R2), 235,974 mq/kq (RMSE) və 166,946 mq/kq (MAE) idi (MAE). /kg R2) və Ca_Mg-EBK_SVMR (0,643 = R2);onların RMSE və MAE nəticələri Ca_Mg_K-EBK_SVMR (R2 0.637) üçün olandan yüksək idi (Cədvəl 3-ə baxın). Bundan əlavə, Ca_Mg-EBK_SVMR (RMSE = 1664.64 və MAE = 1031.49) modelinin RMSE və MAE göstəriciləri Ca_Mg_K-EBK_SVMR (R2 0.637) ilə müqayisədə daha yüksək idi. -EBK_SVMR. Eyni şəkildə, Ca_Mg-K SVMR (RMSE = 235.974 və MAE = 166.946) modelinin RMSE və MAE göstəriciləri Ca_Mg_K-EBK_SVMR RMSE və MAE modelindən müvafiq olaraq 2.5 və 2.2 böyükdür. ME və MAE müşahidə edildi. Kebonye et al.46 və John et al.54, RMSE və MAE sıfıra nə qədər yaxın olarsa, nəticələr bir o qədər yaxşı olar. SVMR və EBK_SVMR daha yüksək kvantlaşdırılmış RSME və MAE dəyərlərinə malikdir. Müşahidə olundu ki, RSME təxminlərinin ardıcıl olaraq MAE dəyərlərindən yüksək olub, kənar göstəricilərin mövcudluğunu göstərir. Legates və McCabebeyin fikrincə, tövsiyyə olunan səhv göstəricisi 83-ü aşır. kənar göstəricilərin olması.Bu o deməkdir ki, verilənlər bazası nə qədər heterojendirsə, MAE və RMSE qiymətləri bir o qədər yüksəkdir. Şəhər və şəhərətrafı torpaqlarda Ni tərkibinin proqnozlaşdırılması üçün Ca_Mg_K-EBK_SVMR qarışıq modelinin çarpaz doğrulama qiymətləndirməsinin düzgünlüyü 63,70% təşkil etmişdir. Li et al.59, bu dəqiqlik səviyyəsi məqbul bir model performans dərəcəsidir. Hazırkı nəticələr Tarasov və digərlərinin əvvəlki tədqiqatı ilə müqayisə edilmişdir.Hibrid modeli cari tədqiqatda bildirilmiş EBK_SVMR dəqiqlik qiymətləndirmə indeksi ilə bağlı MLPRK (Çoxlaylı Qavrama Qalıq Kriging) yaradan RMSE (210) və MAE (167.5) cari tədqiqatda əldə etdiyimiz nəticələrdən (RMSE 95.479, MAE68-in hazırkı dövründə) daha yüksək idi. 637) Tarasov və b.36 (0,544), aydındır ki, bu qarışıq modeldə təyinetmə əmsalı (R2) daha yüksəkdir. Qarışıq model üçün xəta marjası (RMSE və MAE) (EBK SVMR) iki dəfə aşağıdır. Eyni şəkildə, Sergeev və digərləri 34 işlənmiş hibrid model üçün 0,28 (R2) qeyd etmişlər (Multi3) isə Perging cari tədqiqatda Kripid3). 7 (R2).Bu modelin proqnozlaşdırma dəqiqliyi səviyyəsi (EBK SVMR) 63,7% təşkil edir, Sergeev et al.34 28% təşkil edir. EBK_SVMR modelindən və proqnozlaşdırıcı kimi Ca_Mg_K-dan istifadə etməklə yaradılmış yekun xəritə (Şəkil. 5) bütün tədqiqat sahəsi üzrə qaynar nöqtələrin və orta və ya nikelin proqnozlarını göstərir. Bu o deməkdir ki, tədqiq olunan ərazidə nikelin konsentrasiyası əsasən mülayimdir, bəzi xüsusi sahələrdə daha yüksək konsentrasiyalar var.
Son proqnoz xəritəsi EBK_SVMR hibrid modelindən istifadə etməklə və proqnozlaşdırıcı kimi Ca_Mg_K istifadə etməklə təqdim olunur.[Məkan paylama xəritəsi RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edərək yaradılmışdır.]
Şəkil 6-da fərdi neyronlardan ibarət kompozisiya müstəvisi kimi PTE konsentrasiyaları təqdim olunur. Komponent müstəvilərinin heç biri göstərildiyi kimi eyni rəng modelini nümayiş etdirmir. Bununla belə, hər çəkilmiş xəritəyə uyğun neyronların sayı 55-dir. SeOM müxtəlif rənglərdən istifadə etməklə istehsal olunur və rəng nümunələri nə qədər oxşardırsa, nümunələrin xassələri bir o qədər müqayisə edilə bilər. tək yüksək neyronlara və ən aşağı neyronlara rəng nümunələri. Beləliklə, CaK və CaMg çox yüksək səviyyəli neyronlar və aşağıdan orta səviyyəyə qədər rəng nümunələri ilə bəzi oxşarlıqları bölüşür. Hər iki model qırmızı, narıncı və sarı kimi orta və yüksək rəng çalarlarını göstərməklə torpaqda Ni-nin konsentrasiyasını proqnozlaşdırır. KMg modeli, yüksək və aşağı miqyaslı ilkin rənglərə əsaslanan çoxlu yüksək rəng nümunələri göstərir. modelin komponentlərinin müstəvi paylanma sxemi torpaqda nikelin potensial konsentrasiyasını göstərən yüksək rəng nümunəsi göstərdi (Şəkil 4-ə baxın). CakMg model komponent təyyarəsi dəqiq rəng miqyasına uyğun olaraq aşağıdan yuxarıya doğru müxtəlif rəng modelini göstərir. Bundan başqa, modelin nikel məzmununun proqnozu (CakMg) Şəkil 5-də göstərilən nikelin paylanmasının aşağı və yüksək paylanmasına bənzəyir. şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyaları. Şəkil 7 hər bir modeldə proqnozlaşdırılan dəyər əsasında üç klasterə bölünmüş xəritədə k-vasitəsilə qruplaşdırmada kontur metodunu təsvir edir. Kontur metodu klasterlərin optimal sayını əks etdirir. Toplanmış 115 torpaq nümunəsindən ən çoxu 1-ci kateqoriyalı nümunə götürür, ən çox isə 1-ci qrup nümunəsi alır. 3 8 nümunə götürmüşdür. Yeddi komponentli planar proqnozlaşdırıcı kombinasiya düzgün klaster şərhinə imkan vermək üçün sadələşdirilmişdir. Torpağın əmələ gəlməsinə təsir edən çoxsaylı antropogen və təbii proseslərə görə, paylanmış SeOM xəritəsində düzgün diferensiallaşdırılmış klaster nümunələrinə malik olmaq çətindir78.
Hər Empirik Bayesian Kriqinq Dəstəyi Vektor Maşını (EBK_SVM_SeOM) dəyişəni tərəfindən komponent müstəvisi çıxışı.[SeOM xəritələri RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edərək yaradılmışdır.]
Müxtəlif klaster təsnifat komponentləri [SeOM xəritələri RStudio istifadə edərək yaradılmışdır (versiya 1.4.1717: https://www.rstudio.com/).]
Cari tədqiqat şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyaları üçün modelləşdirmə üsullarını aydın şəkildə göstərir. Tədqiqat, torpaqda nikel konsentrasiyalarını proqnozlaşdırmağın ən yaxşı yolunu əldə etmək üçün elementləri modelləşdirmə üsulları ilə birləşdirərək müxtəlif modelləşdirmə üsullarını sınaqdan keçirdi. Modelləşdirmə texnikasının SeOM kompozisiya planar məkan xüsusiyyətləri yüksək rəng nümunəsi nümayiş etdirdi. xəritə EBK_SVMR tərəfindən nümayiş etdirilən komponentlərin planar məkan paylanmasını təsdiqləyir (Şəkil 5-ə baxın). Nəticələr göstərir ki, dəstək vektor maşın reqressiya modeli (Ca Mg K-SVMR) torpaqda Ni-nin konsentrasiyasını vahid model kimi proqnozlaşdırır, lakin təsdiqləmə və dəqiqliyin qiymətləndirilməsi parametrləri RMSE və MAE-R ilə əlaqədar modelləşdirmə baxımından çox yüksək səhvlər göstərir. təyin əmsalının (R2) aşağı dəyərinə. EBK SVMR və birləşdirilmiş elementlərdən (CaKMg) istifadə etməklə yaxşı nəticələr 63,7% dəqiqliklə aşağı RMSE və MAE xətaları ilə əldə edilmişdir. Məlum oldu ki, EBK alqoritmini maşın öyrənmə alqoritmi ilə birləşdirmək PTE alqoritmindən istifadə edərək konsentrasiyanın nəticələrini proqnozlaşdıra biləcəyini göstərir. Tədqiq olunan ərazidə Ni konsentrasiyalarını proqnozlaşdırmaq üçün proqnozlaşdırıcı kimi Ca Mg K torpaqlarda Ni-nin proqnozunu yaxşılaşdıra bilər. Bu o deməkdir ki, polad sənayesi tərəfindən nikel əsaslı gübrələrin davamlı tətbiqi və torpağın sənaye ilə çirklənməsi torpaqda nikelin konsentrasiyasını artırmağa meyllidir. , biz torpaqda PTE-ni qiymətləndirmək və proqnozlaşdırmaq üçün EBK-SVMR modelini tətbiq etməyi təklif edirik;əlavə olaraq, biz müxtəlif maşın öyrənmə alqoritmləri ilə hibridləşdirmək üçün EBK-dan istifadə etməyi təklif edirik. Ni konsentrasiyaları elementlərdən kovariatlar kimi istifadə edilməklə proqnozlaşdırılıb;lakin daha çox kovariativlərdən istifadə modelin performansını xeyli yaxşılaşdıracaqdı ki, bu da cari işin məhdudiyyəti sayıla bilər.Bu tədqiqatın digər məhdudiyyəti verilənlər dəstlərinin sayının 115 olmasıdır.Ona görə də, daha çox məlumat verilərsə, təklif olunan optimallaşdırılmış hibridləşdirmə metodunun performansını yaxşılaşdırmaq olar.
PlantProbs.net.Nikel in Plants and Soil https://plantprobs.net/plant/nutrientImbalances/sodium.html (Çıxış tarixi 28 aprel 2021-ci il).
Kasprzak, KS Nikel müasir ekoloji toksikologiyada irəliləyişlər.ətraf.toksikologiya.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nikel: Onun mənbələri və ətraf mühitin toksikologiyasına baxış. Polyak J. Environment.Stud.15, 375-382 (2006).
Freedman, B. & Hutchinson, TC Atmosferdən çirkləndiricilərin daxil olması və Sadberi, Ontario, Kanadada nikel-mis əritmə zavodunun yaxınlığında torpaq və bitki örtüyündə toplanması.can.J.Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Torpaqdakı ağır metallar, bitkilər və Botsvanada Selebi-Phikwe mis-nikel mədəninin yaxınlığında gövşəyən heyvanların otarılması ilə əlaqədar risklər.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-x018 (021-0201).
Cabata-Pendias.Kabata-Pendias A. 2011. Torpaqda iz elementləri və… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements. NY%29%3A+CRC+Press&btnG= (Giriş tarixi 24 Noyabr 2020).
Almås, A., Singh, B., Agriculture, TS-NJ of & 1995, undefined. Rus nikel sənayesinin Soer-Varanger, Norveçdə kənd təsərrüfatı torpaqlarında və otlarda ağır metal konsentrasiyalarına təsiri.agris.fao.org.
Nielsen, GD et al.Nikelin udulması və içməli suda saxlanması qida qəbulu və nikel həssaslığı.toksikologiya.application.Farmakodinamika.154, 67-75 (1999) ilə əlaqədardır.
Costa, M. & Klein, CB Nikel kanserogenezi, mutasiya, epigenetika və ya seçim.ətrafı.Health Perspective.107, 2 (1999).
Ajman, PC;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, NM;Potensial zəhərli elementlərin trend təhlili: bibliometrik icmal. Environmental Geokimya və Sağlamlıq.Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Digital Soil Mapping: A Brief History and Some Lessons.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. On digital soil mapping.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistik Su Anbarının Modelləşdirilməsi,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Rezervuar+Modelləşdirmə%2C +Oxford+6b+38%+Prese+ = (28 aprel 2021-ci ildə əldə edilib).
Göndərmə vaxtı: 22 iyul 2022-ci il