Nikelio koncentracijos priemiesčio ir miesto dirvožemyje numatymas naudojant mišrią empirinę Bajeso krigingo ir paramos vektoriaus mašinos regresiją

Dėkojame, kad apsilankėte Nature.com. Naudojama naršyklės versija palaiko ribotą CSS. Kad gautumėte geriausią patirtį, rekomenduojame naudoti atnaujintą naršyklę (arba išjungti suderinamumo režimą „Internet Explorer“). Tuo tarpu, norėdami užtikrinti nuolatinį palaikymą, svetainę rodysime be stilių ir „JavaScript“.
Dirvožemio tarša yra didelė žmogaus veiklos sukelta problema.Potencialiai toksiškų elementų (PTE) erdvinis pasiskirstymas daugumoje miestų ir priemiesčių teritorijų skiriasi.Todėl sunku erdviškai prognozuoti PTE kiekį tokiuose dirvožemiuose. Iš viso iš Frydeko Mistek Čekijoje buvo paimta 115 mėginių. Naudojant kalcio (MgK) ir magnio (MgKN) ir kalio nikelio koncentraciją Induktyviai susietos plazmos emisijos spektrometrija.Atsakymo kintamasis yra Ni, o prognozės yra Ca, Mg ir K. Koreliacijos matrica tarp atsako kintamojo ir prognozuojamojo kintamojo rodo patenkinamą elementų koreliaciją.Prognozavimo rezultatai parodė, kad paramos vektoriaus mašinos regresija (SVMR) veikė gerai, nors jos įvertintas vidutinis kvadratinis paklaida (RMA)7 (mg235kg)7 (RM6)7 mg235kgSE.6kgSE. 946 mg/kg) buvo didesnės nei taikant kitus metodus.Mišri empirinės Bajeso krigingo-daugiatiesinės regresijos (EBK-MLR) modeliai veikia prastai, tai rodo mažesni nei 0,1 nustatymo koeficientai. 68 mg/kg) vertes ir didelį determinacijos koeficientą (R2 = 0,637). EBK-SVMR modeliavimo technikos išvestis vizualizuojama naudojant savaime besitvarkantį žemėlapį. Sugrupuoti neuronai hibridinio modelio CakMg-EBK-SVMR komponento plokštumoje rodo daugybę spalvų modelių, kurie prognozuoja Ni koncentraciją miesto ir priemiesčio dirvožemiuose. uždrausti dirvožemius.
Nikelis (Ni) laikomas augalų mikroelementu, nes jis prisideda prie azoto fiksavimo atmosferoje (N) ir karbamido apykaitos, kurios yra būtinos sėkloms dygti. Be to, kad niklis prisideda prie sėklų dygimo, jis gali veikti kaip grybelių ir bakterijų inhibitorius bei skatinti augalų vystymąsi. Dėl nikelio trūkumo dirvožemyje augalas gali jį įsisavinti, o chlorozę sukelia nikelio žirneliai. -Trąšos, skirtos optimizuoti azoto fiksavimą2.Nuolatinis nikelio trąšų naudojimas, siekiant praturtinti dirvožemį ir padidinti ankštinių augalų gebėjimą fiksuoti azotą dirvožemyje, nuolat didina nikelio koncentraciją dirvožemyje. Nors nikelis yra mikroelementas augalams, jo perteklinis pH gali pakenkti dirvožemiui, o nikelio kiekis dirvožemyje gali padaryti daugiau žalos. ke geležies kaip esminės maistinės medžiagos augalų augimui 1.Pagal Liu3, buvo nustatyta, kad Ni yra 17-as svarbus elementas, reikalingas augalų vystymuisi ir augimui. Be nikelio vaidmens augalų vystymuisi ir augimui, žmonėms jo reikia įvairiems tikslams. Galvaninis padengimas, nikelio lydinių gamyba ir pramoninių kibirkštinių kištukų gamyba, visuose automobilių pramonėje ir kibirkštinių uždegimo įtaisų gamybai. nikelio pagrindu pagaminti lydiniai ir galvanizuoti gaminiai buvo plačiai naudojami virtuvės reikmenims, pobūvių salių reikmenims, maisto pramonės reikmenims, elektrai, laidams ir kabeliams, reaktyvinėms turbinoms, chirurginiams implantams, tekstilės gaminiams ir laivų statybai5.Dirvožemyje (ty paviršiniame dirvožemyje) daug nitro yra priskiriami tiek antropogeniniams, tiek natūraliems niklio šaltiniams, o ne natūraliems antropogeniniams šaltiniams. kanų išsiveržimai, augmenija, miškų gaisrai ir geologiniai procesai;tačiau antropogeniniai šaltiniai yra nikelio/kadmio baterijos plieno pramonėje, galvanizavimas, lankinis suvirinimas, dyzelinas ir mazutas, taip pat atmosferos emisijos deginant anglis ir deginant atliekas bei dumblą Nikelio kaupimasis7,8.Pagal Freedman ir Hutchinson9 ir Manyiwa et al.10, pagrindiniai viršutinio dirvožemio sluoksnių taršos šaltiniai artimiausioje ir gretimoje aplinkoje daugiausia yra nikelio-vario lydyklos ir kasyklos. Viršutiniame dirvožemyje aplink Sudbury nikelio ir vario perdirbimo gamyklą Kanadoje buvo didžiausias nikelio užterštumo lygis – 26 000 mg/kg11. Priešingai, Rusijos dirvožemio tarša iš nikelio1 buvo didesnė. remiantis Alms ir kt.12, HNO3 išgaunamo nikelio kiekis regiono ariamojoje žemėje (nikelio gamyba Rusijoje) svyravo nuo 6,25 iki 136,88 mg/kg, o tai atitinka 30,43 mg/kg vidurkį ir 25 mg/kg bazinę koncentraciją. pasėlių sezonas gali užteršti arba užteršti dirvą.Galimas nikelio poveikis žmonėms gali sukelti vėžį dėl mutagenezės, chromosomų pažeidimo, Z-DNR susidarymo, blokuojamo DNR pašalinimo arba epigenetinių procesų.13. Eksperimentuose su gyvūnais buvo nustatyta, kad nikelis gali sukelti įvairius navikus, o toks sudėtingas kancerogeninis navikas gali būti ekskrementinis.
Dirvožemio užterštumo vertinimai pastaruoju metu klestėjo dėl daugybės su sveikata susijusių problemų, kylančių dėl dirvožemio ir augalų santykių, dirvožemio ir dirvožemio biologinių santykių, ekologinės degradacijos ir poveikio aplinkai vertinimo. Iki šiol erdvinis potencialiai toksiškų elementų (PTE), pvz., Ni, dirvožemyje prognozavimas buvo sudėtingas ir reikalaujantis daug laiko, naudojant tradicinius dirvožemio kartografavimo metodus. (PSM).Pagal Minasny ir McBratney16, prognozuojamas dirvožemio žemėlapių sudarymas (DSM) pasirodė esąs svarbi dirvožemio mokslo subdisciplina.Lagacherie ir McBratney, 2006, DSM apibrėžia kaip „erdvinių dirvožemio informacinių sistemų kūrimą ir užpildymą naudojant in situ ir laboratorinius dirvožemio stebėjimo ir netyrimo metodus ir laboratorinius metodus“.17 nurodo, kad šiuolaikinis DSM arba PSM yra veiksmingiausias būdas prognozuoti arba sudaryti PTE erdvinį pasiskirstymą, dirvožemio tipus ir dirvožemio savybes. Geostatistika ir mašininio mokymosi algoritmai (MLA) yra DSM modeliavimo metodai, kurie sukuria skaitmeninius žemėlapius naudojant kompiuterius, naudojant reikšmingus ir minimalius duomenis.
Deutsch18 ir Olea19 apibrėžia geostatistiką kaip „skaitinių metodų, susijusių su erdvinių atributų vaizdavimu, rinkinį, daugiausia naudojant stochastinius modelius, pavyzdžiui, kaip laiko eilučių analizė apibūdina laiko duomenis“.Visų pirma, geostatistika apima variogramų vertinimą, leidžiantį kiekybiškai įvertinti ir apibrėžti erdvinių reikšmių priklausomybes iš kiekvieno duomenų rinkinio20.Gumiaux ir kt.20 taip pat iliustruoja, kad variogramų vertinimas geostatistikoje yra pagrįstas trimis principais, įskaitant (a) duomenų koreliacijos skalės skaičiavimą, (b) duomenų rinkinio skirtumų anizotropijos nustatymą ir skaičiavimą ir (c) be to, atsižvelgiant į matavimo duomenų, atskirtų nuo vietinių, būdingą paklaidą, šie geopolitiniai metodai taip pat yra naudojami įvairiems poveikiams. istika, įskaitant bendrąjį krigingą, bendrąjį krigavimą, įprastą krigingą, empirinį Bajeso krigingą, paprastą krigingo metodą ir kitus gerai žinomus interpoliacijos metodus, skirtus PTE, dirvožemio charakteristikų ir dirvožemio tipų atvaizdavimui arba prognozavimui.
Mašininio mokymosi algoritmai (MLA) yra palyginti nauja technika, kurioje naudojamos didesnės nelinijinės duomenų klasės, kurias skatina algoritmai, daugiausia naudojami duomenų gavybai, duomenų šablonų identifikavimui ir pakartotinai taikomi klasifikuojant tokiose mokslo srityse kaip dirvožemio mokslas ir grąžinimo užduotys. Daugybė mokslinių darbų remiasi MLA modeliais, kad būtų galima prognozuoti PTE dirvožemyje, pvz., Tan ir kt.22 (atsitiktiniai miškai sunkiųjų metalų įvertinimui žemės ūkio dirvose), Sakizadeh ir kt.23 (modeliavimas naudojant atramines vektorines mašinas ir dirbtinius neuroninius tinklus) dirvožemio tarša ).Be to, Vega ir kt.24 (KREPŠELIS sunkiųjų metalų sulaikymo ir adsorbcijos dirvožemyje modeliavimui) Sun ir kt.25 (kubizmo taikymas yra Cd pasiskirstymas dirvožemyje) ir kiti algoritmai, tokie kaip k-artimiausias kaimynas, apibendrinta padidinta regresija ir sustiprinta regresija. Medžiai taip pat taikė MLA, kad prognozuotų PTE dirvožemyje.
DSM algoritmų taikymas numatant ar kartografuojant susiduria su keletu iššūkių.Daugelis autorių mano, kad MLA pranašesnis už geostatistiką ir atvirkščiai.Nors vienas yra geresnis už kitą, šių dviejų derinys pagerina žemėlapių ar numatymo tikslumo lygį DSM15.Woodcock ir Gopal26 Finke27;Pontius ir Cheuk28 ir Grunwald29 komentuoja numatomo dirvožemio kartografavimo trūkumus ir kai kurias klaidas.Dirvožemio mokslininkai išbandė įvairius metodus, siekdami optimizuoti DSM kartografavimo ir prognozavimo efektyvumą, tikslumą ir nuspėjamumą. Neapibrėžtumo ir patikros derinys yra vienas iš daugelio skirtingų aspektų, integruotų į DSM, siekiant optimizuoti efektyvumą ir sumažinti defektus.15 nurodoma, kad patvirtinimo elgsena ir neapibrėžtumas, atsirandantis kuriant ir numatant žemėlapį, turėtų būti nepriklausomai patvirtinti, kad būtų pagerinta žemėlapio kokybė. DSM apribojimai atsiranda dėl geografiškai išsklaidytos dirvožemio kokybės, kuri apima neapibrėžtumo komponentą;tačiau DSM neapibrėžtumo stoka gali kilti dėl kelių klaidų šaltinių, būtent kovariacinės klaidos, modelio klaidos, vietos klaidos ir analitinės klaidos 31. Modeliavimo netikslumai, atsirandantys atliekant MLA ir geostatistinius procesus, yra susiję su supratimo trūkumu, o tai galiausiai lemia per daug supaprastintą realų procesą32. jonų, arba interpoliacija33.Pastaruoju metu atsirado nauja DSM tendencija, kuri skatina geostatistikos ir MLA integravimą kartografuojant ir prognozuojant.Keli dirvožemio mokslininkai ir autoriai, tokie kaip Sergeev ir kt.34;Subbotina ir kt.35;Tarasovas ir kt.36 ir Tarasovas ir kt.37 išnaudojo tikslią geostatistikos ir mašininio mokymosi kokybę, kad sukurtų hibridinius modelius, pagerinančius prognozavimo ir žemėlapių sudarymo efektyvumą.kokybė.Kai kurie iš šių hibridinių arba kombinuotų algoritmų modelių yra dirbtinis neuroninis tinklas (ANN-RK), daugiasluoksnis perceptroninis liekamasis krigingas (MLP-RK), generalizuotas regresijos neuroninio tinklo liekamasis krigingas (GR- NNRK)36, dirbtinio neuroninio tinklo krigdavimas-daugiasluoksnis perceptronas (ANN-K-MLP)37 ir regresijos3Krigigijos procesas.
Pasak Sergeevo ir kt., derinant įvairius modeliavimo metodus galima pašalinti defektus ir padidinti gauto hibridinio modelio efektyvumą, o ne sukurti vieną jo modelį. Šiame kontekste šiame naujame straipsnyje teigiama, kad būtina taikyti kombinuotą geostatistikos ir MLA algoritmą, kad būtų sukurti optimalūs hibridiniai modeliai, skirti prognozuoti Ni sodrinimą miesto ir priemiesčio zonose. Mašinų (SVM) ir kelių tiesinės regresijos (MLR) modeliai. EBK hibridizacija su bet kokia MLA nežinoma. Matyti keli mišrūs modeliai yra įprasto, liekamojo, regresinio kriterijų deriniai, o MLA.EBK yra geostatistinės interpoliacijos metodas, kuriame naudojamas erdvinis stochastinis procesas, kuris yra lokalizuotas kaip kintamasis laukas, leidžiantis nustatyti atsitiktinio lauko parametrus3 su neapibrėžtu vietos parametrų nustatymu9. .EBK buvo naudojamas atliekant įvairius tyrimus, įskaitant organinės anglies pasiskirstymo ūkio dirvose analizę40, dirvožemio taršos vertinimą41 ir dirvožemio savybių kartografavimą42.
Kita vertus, savarankiškai organizuojantis grafikas (SeOM) yra mokymosi algoritmas, kuris buvo pritaikytas įvairiuose straipsniuose, tokiuose kaip Li ir kt.43, Wang ir kt.44, Hossain Bhuiyan ir kt.45 ir Kebonye et al.46 Nustatyti erdvinius požymius ir elementų grupavimą.Wang ir kt.44 nurodoma, kad SeOM yra galinga mokymosi technika, žinoma dėl savo gebėjimo grupuoti ir įsivaizduoti nelinijines problemas. Skirtingai nuo kitų modelių atpažinimo metodų, tokių kaip pagrindinių komponentų analizė, neaiškių grupių sudarymas, hierarchinis grupavimas ir daugelio kriterijų sprendimų priėmimas, SeOM geriau organizuoja ir nustato PTE modelius.Pagal Wang ir kt.44, SeOM gali erdviškai sugrupuoti susijusių neuronų pasiskirstymą ir teikti didelės raiškos duomenų vizualizaciją.SeOM vizualizuosis Ni prognozavimo duomenis, kad gautų geriausią modelį, apibūdinantį rezultatus tiesioginiam aiškinimui.
Šiuo straipsniu siekiama sukurti patikimą žemėlapių sudarymo modelį su optimaliu tikslumu, kad būtų galima prognozuoti nikelio kiekį miesto ir priemiesčių dirvožemyje. Manome, kad mišraus modelio patikimumas daugiausia priklauso nuo kitų modelių, prijungtų prie bazinio modelio, įtakos. Pripažįstame DSM iššūkius, ir nors šie iššūkiai sprendžiami įvairiais frontais, modelių pažanga ir geostacionarinė pažanga gali būti derinama.todėl bandysime atsakyti į tyrimo klausimus, kurie gali duoti mišrius modelius. Tačiau kiek tikslus yra modelis numatant tikslinį elementą? Taip pat koks efektyvumo įvertinimo lygis, pagrįstas patvirtinimu ir tikslumo vertinimu?Todėl konkretūs šio tyrimo tikslai buvo (a) sukurti kombinuoto mišinio modelį SVMR arba MLR naudojant EBK kaip bazinį modelį, numatant Ni, (b) lyginti miesto mišinio modelį arba pasiūlyti geriausią dirvožemio koncentraciją. s , ir (d) SeOM taikymas kuriant didelės raiškos nikelio erdvinių variacijų žemėlapį.
Tyrimas atliekamas Čekijos Respublikoje, konkrečiai Frydek Mistek rajone Moravijos-Silezijos regione (žr. 1 pav.). Tiriamos teritorijos geografija yra labai nelygi ir daugiausia priklauso Moravijos-Silezijos Beskidų regionui, kuris yra Karpatų kalnų išorinio pakraščio dalis. Tiriamasis plotas yra tarp 41°201′ 41′04. ′ E, o aukštis yra nuo 225 iki 327 m;Tačiau Koppeno regiono klimato būklės klasifikavimo sistema yra įvertinta kaip Cfb = vidutinio klimato vandenynas. Net ir sausais mėnesiais iškrenta daug kritulių. Temperatūra ištisus metus šiek tiek svyruoja nuo –5 °C iki 24 °C, retai nukrenta žemiau –14 °C arba aukštesnė nei 30 °C, o vidutinis metinis kritulių kiekis yra nuo 58 mm4 iki 7 tyrimo ploto. 1 208 kvadratiniai kilometrai, su 39,38 % dirbamos žemės ir 49,36 % miško ploto. Kita vertus, šiame tyrime naudojamas plotas yra apie 889,8 kvadratiniai kilometrai. Ostravoje ir jos apylinkėse plieno pramonė ir metalo apdirbimo darbai yra labai aktyvūs. Metalo gamyklos, plieno pramonė, kurioje nikelis naudojamas nerūdijančiam plienui ir nerūdijančio plieno atsparumui didinti. lydinio stiprumas, išlaikant gerą plastiškumą ir kietumą), o intensyvus žemės ūkis, pvz., fosfatinių trąšų naudojimas ir gyvulininkystė yra potencialūs nikelio šaltiniai regione (pvz., nikelio įpylimas į ėriukus, siekiant padidinti ėriukų ir mažai šertų galvijų augimo greitį, ėriukų ir mažai šertų galvijų augimą). Dirvožemio savybes galima lengvai atskirti nuo dirvožemio spalvos, struktūros ir karbonatų kiekio.Dirvožemio tekstūra yra vidutinė arba smulki, gaunama iš pradinės medžiagos.Jie yra koluvinio, aliuvinio arba eolinio pobūdžio.Kai kurios dirvožemio sritys paviršiuje ir podirvyje yra dėmėtos, dažnai su betonu ir balinimu. Tačiau kambizoliai ir sustingę dirvožemio tipai yra labiausiai paplitę regione. 493,5 m, Čekijoje dominuoja cambisols49.
Tyrimo srities žemėlapis [Tyrimo srities žemėlapis buvo sukurtas naudojant ArcGIS Desktop (ESRI, Inc, 10.7 versija, URL: https://desktop.arcgis.com).]
Iš viso buvo paimta 115 viršutinio dirvožemio sluoksnio mėginių iš Frydek Mistek rajono miestų ir priemiesčių dirvožemių. Naudotas ėminio modelis buvo įprastas tinklelis su dirvožemio mėginiais, išdėstytais 2 × 2 km atstumu, o viršutinis dirvožemio sluoksnis buvo išmatuotas 0–20 cm gylyje, naudojant rankinį GPS įrenginį („Leica Zeno 5“ mėginiai, tinkamai supakuoti GPS įtaisai). s buvo džiovinami ore, kad būtų gauti miltelių pavidalo mėginiai, susmulkinti mechanine sistema (Fritsch diskinis malūnas) ir sijoti (sieto dydis 2 mm). Sudėkite 1 gramą išdžiovintų, homogenizuotų ir išsijotų dirvožemio mėginių į aiškiai paženklintus tefloninius butelius. Kiekviename tefloniniame inde išpilkite 7 ml 35% HCl ir automatiškai uždenkite rūgštį ir 3 ml NO3. s stovėti per naktį reakcijai (aqua regia programa) .Supernatantą padėkite ant karštos metalinės plokštelės (temperatūra: 100 W ir 160 °C) 2 valandoms, kad palengvintumėte mėginių virškinimą, tada atvėsinkite. Perkelkite supernatantą į 50 ml matavimo kolbą ir praskieskite iki 50 ml tirpalo su filtravimo vamzdeliu, atskieskite 50 ml vandens. jonizuotas vanduo. Be to, 1 ml skiedimo tirpalo buvo praskiedžiamas 9 ml dejonizuoto vandens ir filtruojamas į 12 ml mėgintuvėlį, paruoštą PTE pseudokoncentracijai. PTE (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) koncentracijos buvo nustatytos EPS-Specifikaciniu metodu (IPC-OES). rmo Fisher Scientific, JAV) pagal standartinius metodus ir susitarimą. Užtikrinti kokybės užtikrinimo ir kontrolės (QA/QC) procedūras (SRM NIST 2711a Montana II Soil).PTE, kurių aptikimo ribos yra mažesnės nei pusė, buvo neįtrauktos į šį tyrimą. Šiame tyrime naudoto PTE aptikimo riba buvo 0,0004.(jūs). Be to, užtikrinama, kad kokybės kontrolė ir kokybės standartas būtų užtikrintas kiekvienam analizei. kad klaidų būtų iki minimumo, buvo atlikta dviguba analizė.
Empirinis Bayesian Kriging (EBK) yra vienas iš daugelio geostatistinių interpoliacijos metodų, naudojamų modeliuojant įvairiose srityse, pvz., dirvožemio moksle. Skirtingai nuo kitų krigingo interpoliavimo metodų, EBK skiriasi nuo tradicinių krigingo metodų, nes atsižvelgiama į paklaidą, įvertintą pagal semivariogramos modelį. EBK interpoliacijoje skaičiuojami keli semivariogramos modeliai, skirti unipoliacijai, o ne vienai interpoliacijai. ir programavimas, susijęs su šiuo semivariogramos braižymu, kuris yra labai sudėtinga pakankamo krigingo metodo dalis. EBK interpoliacijos procesas vadovaujasi trimis Krivoruchko pasiūlytais kriterijais50, (a) modelis įvertina semivariogramą iš įvesties duomenų rinkinio (b) nauja numatoma kiekvienos įvesties duomenų rinkinio vietos vertė, remiantis sugeneruota pusiau variacine diagrama, ir modeliuojama baigiamųjų duomenų rinkinio A modelio taisykle. pateiktas kaip užpakalinis
Kur \(Prob\left(A\right)\) reiškia pirminį, \(Tikėtina\kairė(B\dešinė)\) ribinė tikimybė daugeliu atvejų nepaisoma, \(Prob (B,A)\ ). tai yra sukurti stebėjimų duomenų rinkinį iš semivariogramos.
Paramos vektoriaus mašina yra mašininio mokymosi algoritmas, generuojantis optimalų atskyrimo hiperplokštumą, kad būtų galima atskirti identiškas, bet ne tiesiškai nepriklausomas klases. „Vapnik51“ sukūrė tikslo klasifikavimo algoritmą, tačiau neseniai jis buvo naudojamas sprendžiant į regresiją orientuotas problemas. Pasak Li ir kt.52, SVM yra vienas iš geriausiai naudojamų klasifikatoriaus SVM komponentų įvairiose regreso M lauke. ion – SVMR) buvo naudojamas šioje analizėje.Cherkassky ir ​​Mulier53 sukūrė SVMR kaip branduoliu pagrįstą regresiją, kurios skaičiavimas buvo atliktas naudojant tiesinės regresijos modelį su kelių šalių erdvinėmis funkcijomis.John ir kt.54 praneša, kad SVMR modeliavimas naudoja hiperplokštuminę tiesinę regresiją, kuri leidžia sukurti ir etaloninius ryšius.55, epsilon (ε)-SVMR naudoja parengtą duomenų rinkinį, kad gautų vaizdavimo modelį kaip epsilonui nejautrią funkciją, kuri taikoma duomenims atskirai atvaizduoti su geriausiu epsilono poslinkiu, atsižvelgiant į koreliuotų duomenų mokymą. Iš anksto nustatyta atstumo paklaida neatsižvelgiama į faktinę vertę, o jei klaida yra didesnė nei ε(ε), tai taip pat sumažina sudėtingo modelio duomenų rinkinio sudėtingumą. tors.Vapnik51 pasiūlyta lygtis parodyta žemiau.
kur b žymi skaliarinę slenkstį, \(K\left({x}_{,}{ x}_{k}\right)\) reiškia branduolio funkciją, \(\alpha\) reiškia Lagranžo daugiklį, N reiškia skaitmeninį duomenų rinkinį, \({x}_{k}\) reiškia duomenų įvestį, o MR yra duomenų įvestis, o raktas yra \(y\s) operacija. Gauso radialinė bazė funkcija (RBF). RBF branduolys taikomas optimaliam SVMR modeliui nustatyti, o tai labai svarbu norint gauti subtiliausią baudų rinkinio faktorių C ir branduolio parametro gama (γ) PTE mokymo duomenims. Pirmiausia įvertinome mokymo rinkinį, o tada išbandėme modelio veikimą patvirtinimo rinkinyje. Naudojamas valdymo parametras yra vertės sigma.
Daugialypės tiesinės regresijos modelis (MLR) yra regresijos modelis, vaizduojantis ryšį tarp atsako kintamojo ir daugelio nuspėjamųjų kintamųjų, naudojant tiesinius sujungtus parametrus, apskaičiuotus taikant mažiausių kvadratų metodą. MLR mažiausių kvadratų modelis yra dirvožemio savybių nuspėjamoji funkcija pasirinkus aiškinamuosius kintamuosius. Reikia naudoti atsaką, kad būtų nustatytas tiesinis ryšys su kintamuoju atsaku su kintamuoju, naudojant aiškinamąjį kintamąjį. kintamieji.MLR lygtis yra
kur y yra atsako kintamasis, \(a\) yra pertrauka, n yra prognozių skaičius, \({b}_{1}\) yra dalinė koeficientų regresija, \({x}_{ i}\) reiškia prognozuojamąjį arba aiškinamąjį kintamąjį, o \({\varepsilon }_{i}\) taip pat yra modelio klaida.
Mišrūs modeliai buvo gauti sujungiant EBK su SVMR ir MLR. Tai daroma iš EBK interpoliacijos ištraukiant prognozuojamas reikšmes. Prognozuojamos vertės, gautos iš interpoliuotų Ca, K ir Mg, gaunamos kombinatoriniu būdu, siekiant gauti naujus kintamuosius, tokius kaip CaK, CaMg ir KMg. Tada gaunami elementai Ca, K kintamieji, visi kintamieji O, M ir a K. yra Ca, K, Mg, CaK, CaMg, KMg ir CaKMg. Šie kintamieji tapo mūsų prognozėmis, padedančiais prognozuoti nikelio koncentraciją miesto ir priemiesčių dirvožemyje. SVMR algoritmas buvo atliktas su prognozuotojais, kad būtų gautas mišrus modelis Empirinis Bajeso Kriging-Support Support Model (EBK_SVM). ian Kriging-Multiple Linear Regression (EBK_MLR).Paprastai kintamieji Ca, K, Mg, CaK, CaMg, KMg ir CaKMg naudojami kaip kovariatoriai kaip Ni kiekio miesto ir priemiesčių dirvožemyje prognozės. Pats priimtiniausias gautas modelis (EBK_SVM arba EBK_MLR), parodytas naudojant šį tyrimą.
SeOM naudojimas tapo populiaria priemone duomenims tvarkyti, vertinti ir prognozuoti finansų sektoriuje, sveikatos priežiūros, pramonės, statistikos, dirvožemio mokslo ir kt. srityse. SeOM kuriamas naudojant dirbtinius neuroninius tinklus ir neprižiūrimus mokymosi metodus, skirtus organizavimui, vertinimui ir prognozavimui. Šiame tyrime SeOM buvo naudojamas Ni koncentracijoms vizualizuoti, remiantis geriausiu modeliu, skirtu prognozuoti Ni įvertinimo procese miesto ir aplinkui. vektoriniai kintamieji43,56.Melssen ir kt.57 aprašomas įvesties vektoriaus prijungimas prie neuroninio tinklo per vieną įvesties sluoksnį prie išvesties vektoriaus su vienu svorio vektoriumi.SeOM generuojama išvestis yra dvimatis žemėlapis, susidedantis iš skirtingų neuronų arba mazgų, supintų į šešiakampius, apskritus arba kvadratinius topologinius žemėlapius pagal jų artumą. Lyginant pagal jų artumą. Pasirinktas atitinkamai 086 ir 0,904, kuris yra 55 žemėlapių vienetas (5 × 11). Neuronų struktūra nustatoma pagal mazgų skaičių empirinėje lygtyje.
Šiame tyrime naudota 115 mėginių. Atsitiktinis metodas buvo naudojamas duomenims padalyti į bandymo duomenis (25% patvirtinimui) ir mokymo duomenų rinkinius (75% kalibravimui). Treniruočių duomenų rinkinys naudojamas regresijos modeliui generuoti (kalibravimui), o bandymo duomenų rinkinys naudojamas apibendrinimo gebėjimui patikrinti58. Tai buvo atlikta siekiant įvertinti įvairių modelių, naudojamų dirvožemio sudėties nuspėjamumą. -patvirtinimo procesas, kartojamas penkis kartus. EBK interpoliacijos sukurti kintamieji naudojami kaip prognozės arba aiškinamieji kintamieji, norint numatyti tikslinį kintamąjį (PTE). Modeliavimas atliekamas RStudio naudojant paketų biblioteką (Kohonen), biblioteką (caret), biblioteką (modelis), biblioteką ("e1071"), biblioteką ("e1071″), biblioteką ("plyr""" biblioteką (), "plyr""" biblioteką ("libro" biblioteką).
Siekiant nustatyti geriausią modelį, tinkantį prognozuoti nikelio koncentracijas dirvožemyje ir įvertinti modelio tikslumą bei jo patvirtinimą, buvo naudojami įvairūs patvirtinimo parametrai. Hibridizacijos modeliai įvertinti naudojant vidutinę absoliučią paklaidą (MAE), vidutinę kvadratinę paklaidą (RMSE) ir R kvadrato arba koeficiento nustatymą (R2). modelis, o MAE nustato tikrąją kiekybinę vertę.R2 reikšmė turi būti didelė, kad būtų galima įvertinti geriausią mišinio modelį naudojant patvirtinimo parametrus, kuo vertė arčiau 1, tuo tikslumas didesnis.Pagal Li ir kt.59, R2 kriterijaus reikšmė 0,75 arba didesnė laikoma gera prognoze;nuo 0,5 iki 0,75 yra priimtinas modelio našumas, o mažesnis nei 0,5 yra nepriimtinas modelio veikimas. Renkantis modelį taikant RMSE ir MAE patvirtinimo kriterijų vertinimo metodus, gautų žemesnių verčių pakako ir jos buvo laikomos geriausiu pasirinkimu. Toliau pateiktoje lygtyje aprašomas patikros metodas.
kur n reiškia stebimos reikšmės dydį\({Y}_{i}\) reiškia išmatuotą atsaką, o \({\widehat{Y}}_{i}\) taip pat reiškia numatomą atsako reikšmę, todėl pirmiesiems i stebėjimams.
Statistiniai prognozuojamųjų ir atsako kintamųjų aprašymai pateikti 1 lentelėje, kuriame parodytas vidurkis, standartinis nuokrypis (SD), variacijos koeficientas (CV), minimumas, maksimumas, kreivumas ir kreivumas. Minimalios ir didžiausios elementų reikšmės yra mažėjančia tvarka Mg < Ca < K < Ni ir Ca < Mg < K < Ni, atitinkamai. 2,39 mg/kg. Ni palyginimas su pasaulio vidurkiu (29 mg/kg) ir Europos vidurkiu (37 mg/kg) parodė, kad bendras apskaičiuotas geometrinis vidurkis tiriamoje srityje buvo toleruotinos ribose. Nepaisant to, kaip parodė Kabata-Pendias11, vidutinės nikelio (Ni) koncentracijos palyginimas dabartiniame tyrime rodo, kad dabartiniame tyrime žemdirbystėje yra didesnė vidutinė nikelio (Ni) koncentracija žemėje. Miesto ir priemiesčių dirvožemiuose esantis mišinys (Ni 16,15 mg/kg) buvo didesnis už leistiną 60 (10,2 mg/kg) Ni ribą Lenkijos miestų dirvožemyje, apie kurį pranešė Różański ir kt. Be to, Bretzel ir Calderisi61 tyrime užfiksavo labai mažą vidutinę Ni koncentraciją (1,78 mg/kg), palyginti su dabartiniame dirvožemyje (1,78 mg/kg). nikelio koncentracija (12,34 mg/kg) Honkongo miestų dirvožemyje, kuri yra mažesnė už dabartinę nikelio koncentraciją šiame tyrime. Birke ir kt.63 pranešė, kad senoje kasybos ir miesto pramoninėje teritorijoje Saksonijos-Anhalte, Vokietijoje, vidutinė Ni koncentracija buvo 17,6 mg/kg, kuri buvo 1,45 mg/kg didesnė už vidutinę per didelę Ni koncentraciją šioje vietovėje. Current1 mg/ Tiriamos teritorijos burbaninės zonos daugiausia gali būti priskiriamos geležies ir plieno pramonei bei metalo pramonei. Tai atitinka Khodadoust ir kt. tyrimą.64, kad plieno pramonė ir metalo apdirbimas yra pagrindiniai dirvožemio užterštumo nikeliu šaltiniai. Tačiau prognozės taip pat svyravo nuo 538,70 mg/kg iki 69 161,80 mg/kg Ca, 497,51 mg/kg iki 3535,68 mg/kg K ir 685,5 mg/kg Ja.5 mg/kg Ja.58mg/kg. ir kt.65 ištyrė bendrą Mg ir K kiekį dirvožemyje centrinėje Serbijoje. Jie nustatė, kad bendrosios koncentracijos (atitinkamai 410 mg/kg ir 400 mg/kg) buvo mažesnės nei dabartinio tyrimo Mg ir K koncentracijos. Neišsiskiria, Rytų Lenkijoje Orzechowskis ir Smolczynski66 įvertino bendrą Ca, Mg/kg ir koncentraciją mg/kg (9 Mg10g/kg). /kg) ir K (810 mg/kg) Viršutinio dirvožemio sluoksnio kiekis yra mažesnis nei vieno elemento šiame tyrime. Neseniai atliktas Pongrac ir kt. tyrimas.67 parodė, kad bendras Ca kiekis, ištirtas 3 skirtinguose dirvožemiuose Škotijoje, JK (Mylnefield dirvožemis, Balruddery dirvožemis ir Hartwood dirvožemis), šiame tyrime parodė didesnį Ca kiekį.
Dėl skirtingų išmatuotų atrinktų elementų koncentracijų, elementų duomenų rinkinių pasiskirstymas yra skirtingas. .Apskaičiuoti elementų CV taip pat rodo, kad K, Mg ir Ni kintamumas yra nedidelis, o Ca – itin didelis. K, Ni ir Mg CV paaiškina tolygų jų pasiskirstymą. Be to, Ca pasiskirstymas yra netolygus ir išoriniai šaltiniai gali turėti įtakos jo sodrinimo lygiui.
Prognozuojamųjų kintamųjų koreliacija su atsako elementais parodė patenkinamą koreliaciją tarp elementų (žr. 3 pav.). Koreliacija parodė, kad CaK pasižymėjo vidutine koreliacija su r reikšme = 0,53, kaip ir CaNi. Nors Ca ir K rodo nedidelę sąsają vienas su kitu, tyrėjai, tokie kaip Kingston ir kt.68 ir Santo69 rodo, kad jų kiekis dirvožemyje yra atvirkščiai proporcingas. Tačiau Ca ir Mg yra antagonistiniai K, bet CaK koreliuoja gerai. Taip gali būti dėl trąšų, tokių kaip kalio karbonatas, kurio kalio yra 56 % daugiau. Kalis buvo vidutiniškai koreliuojamas su magnio pramone, nes šie du kalio elementai yra glaudžiai susiję (KM3 r = 0). sulfatas, kalio magnio nitratas ir kalis yra naudojami dirvožemiuose, kad padidėtų jų trūkumas. Nikelis vidutiniškai koreliuoja su Ca, K ir Mg, o r reikšmės yra atitinkamai 0,52, 0,63 ir 0,55. Ryšiai, susiję su kalciu, magniu ir PTE, pvz., nikeliu, slopina kalcio, magnio ir PTE, pvz., nikelio, poveikį yra sudėtingi, tačiau be kalcio ir kalcio poveikio sumažėja. sumažinti toksinį nikelio poveikį dirvožemyje.
Elementų koreliacijos matrica, rodanti ryšį tarp prognozių ir atsakymų (Pastaba: šiame paveiksle yra elementų sklaidos diagrama, reikšmingumo lygiai pagrįsti p < 0,001).
4 paveiksle parodytas erdvinis elementų pasiskirstymas.Pagal Burgos ir kt.70, erdvinio pasiskirstymo taikymas yra metodas, naudojamas kiekybiškai įvertinti ir išryškinti karštąsias vietas užterštose vietose. Ca sodrinimo lygiai 4 pav. matomi erdvinio pasiskirstymo žemėlapio šiaurės vakarų dalyje. Paveikslėlyje parodytas vidutinio ir didelio Ca sodrinimo žemėlapis. negesintos kalkės (kalcio oksidas), kad sumažintų dirvožemio rūgštingumą, ir jos naudojimas plieno gamyklose kaip šarminis deguonis plieno gamybos procese. Kita vertus, kiti ūkininkai nori naudoti kalcio hidroksidą rūgščiame dirvožemyje, kad neutralizuotų pH, o tai taip pat padidina kalcio kiekį dirvožemyje71. Kalis taip pat rodo karštas vietas šiaurės vakarų ir šiaurės rytų žemės ūkio bendruomenėje. NPK ir kalio naudojimas. Tai atitinka kitus tyrimus, tokius kaip Madaras ir Lipavský72, Madaras ir kt.73, Pulkrabová ir kt.74, Asare ir kt.75, kurie pastebėjo, kad dirvožemio stabilizavimas ir apdorojimas KCl bei NPK lėmė didelį K kiekį dirvožemyje.Erdvinis Kalio sodrinimas pasiskirstymo žemėlapio šiaurės vakaruose gali būti susijęs su kalio pagrindu pagamintų trąšų, tokių kaip kalio chloridas, kalio sulfatas, kalio nitratas, kalis ir kalis, naudojimas, siekiant padidinti kalio kiekį prastuose dirvožemiuose.Zádorová ir kt.76 ir Tlustoš ir kt.77 nurodė, kad tręšiant K pagrindu veikiančias trąšas padidės K kiekis dirvožemyje ir ilgainiui žymiai padidėtų dirvožemio maistinių medžiagų kiekis, ypač K ir Mg, rodantys karštą vietą dirvožemyje. Santykinai vidutinio sunkumo karštosios vietos žemėlapio šiaurės vakaruose ir pietryčiuose nuo žemėlapio. Koloidinė fiksacija dirvožemyje sukelia gelsvumą. Trąšos, kurių pagrindą sudaro kalis, pvz., kalio magnio sulfatas, magnio sulfatas ir kizeritas, pašalina trūkumus (augalai atrodo purpuriniai, raudoni arba rudi, o tai rodo magnio trūkumą) dirvožemyje, kurio pH diapazonas yra normalus6. Nikelio kaupimasis miesto ir priemiesčio žemės paviršiuose gali būti susijęs su tokia antropogenine žemės ūkio veikla8.
Erdvinis elementų pasiskirstymas [erdvinio pasiskirstymo žemėlapis sukurtas naudojant ArcGIS Desktop (ESRI, Inc, 10.7 versija, URL: https://desktop.arcgis.com).]
Šiame tyrime naudojamų elementų modelio našumo indekso rezultatai pateikti 2 lentelėje. Kita vertus, Ni RMSE ir MAE yra artimi nuliui (0,86 RMSE, -0,08 MAE). Kita vertus, ir RMSE, ir MAE K vertės yra priimtinos. RMSE ir MAE rezultatai buvo didesni naudojant kalcio ir magnio tyrimą. Nustatyta, kad EBK prognozuoti Ni yra geresni nei John ir kt.54 S koncentracijos dirvožemyje prognozavimas naudojant sinergetinį kriterijų, naudojant tuos pačius surinktus duomenis. Mūsų tirti EBK rezultatai koreliuoja su Fabijaczyk ir kt.41, Yan ir kt.79, Beguin ir kt.80, Adhikary ir kt.81 ir John ir kt.82, ypač K ir Ni.
Atskirų nikelio kiekio miesto ir priemiesčių dirvožemiuose prognozavimo metodų našumas buvo įvertintas naudojant modelių našumą (3 lentelė).Modelių patvirtinimas ir tikslumo įvertinimas patvirtino, kad Ca_Mg_K prognozuotojas kartu su EBK SVMR modeliu davė geriausius rezultatus.Kalibravimo modelis Ca_Mg_K-EBK_SVMR modelis buvo absoliuti paklaida (RMSE. ) 7 kvadratinė paklaida (RMSE.) 7 vidurkis R2, 6 vidurkis. 95,479 mg/kg (RMSE) ir 77,368 mg/kg (MAE) Ca_Mg_K-SVMR buvo 0,663 (R2), 235,974 mg/kg (RMSE) ir 166,946 mg/kg (MAE). Nepaisant to, buvo gautos geros R2 vertės Ca_Mg_K-6-3 mg/kg Ca_Mg_K. SVMR (0,643 = R2);jų RMSE ir MAE rezultatai buvo aukštesni nei Ca_Mg_K-EBK_SVMR (R2 0,637) (žr. 3 lentelę). Be to, Ca_Mg-EBK_SVMR (RMSE = 1664,64 ir MAE = 1031,49) modelio RMSE ir MAE (RMSE = 1664,64 ir MAE = 1031,49) yra atitinkamai 17,4 M, o Ca-13,5 M, o K-13,5 K. _SVMR.Panašiai, Ca_Mg-K SVMR modelio RMSE ir MAE (RMSE = 235,974 ir MAE = 166,946) yra 2,5 ir 2,2 didesni nei Ca_Mg_K-EBK_SVMR RMSE ir MAE, atitinkamai. Pasak Kebonye ir kt.46 ir john ir kt.54, kuo RMSE ir MAE yra arčiau nulio, tuo geresni rezultatai. SVMR ir EBK_SVMR turi didesnes kiekybines RSME ir MAE vertes. Pastebėta, kad RSME įverčiai buvo nuolat didesni už MAE reikšmes, o tai rodo, kad yra nuokrypių. Pagal Legates ir McCabe83, absoliučios rekomenduojamo RM rodiklio vidurkis viršija absoliučią paklaidą (MAE). ers.Tai reiškia, kad kuo heterogeniškesnis duomenų rinkinys, tuo didesnės MAE ir RMSE reikšmės.Ca_Mg_K-EBK_SVMR mišraus modelio kryžminio patvirtinimo įvertinimo tikslumas Ni kiekiui miesto ir priemiesčio dirvožemiuose prognozuoti buvo 63,70%.Pagal Li et al.59, šis tikslumo lygis yra priimtinas modelio veikimo rodiklis. Dabartiniai rezultatai lyginami su ankstesniu Tarasovo ir kt. tyrimu.36, kurio hibridinis modelis sukūrė MLPRK (daugiasluoksnių perceptronų likutinį krigavimą), susijusį su EBK_SVMR tikslumo vertinimo indeksu, apie kurį pranešta dabartiniame tyrime, RMSE (210) ir MAE (167,5) buvo aukštesni už mūsų rezultatus dabartiniame tyrime (RMSE 95.479, MAE 77.368). ov ir kt.36 (0,544), akivaizdu, kad determinacijos koeficientas (R2) yra didesnis šiame mišriame modelyje.Mišraus modelio paklaidos riba (RMSE ir MAE) (EBK SVMR) yra du kartus mažesnė. Taip pat Sergeev ir kt.34 užfiksavo 0,28 (R2) sukurtam hibridiniam modeliui (daugiasluoksnio suvokimo tyrimas), o R2 prognozė3. šio modelio uracijos lygis (EBK SVMR) yra 63,7%, o prognozavimo tikslumas, gautas Sergeev ir kt.34 yra 28%.Galutinis žemėlapis (5 pav.), sukurtas naudojant EBK_SVMR modelį ir Ca_Mg_K kaip prognozuotoją, rodo karštųjų taškų ir vidutinio iki nikelio prognozes visoje tyrimo srityje. Tai reiškia, kad nikelio koncentracija tiriamoje srityje daugiausia yra vidutinė, kai kuriose konkrečiose srityse koncentracija didesnė.
Galutinis prognozės žemėlapis pavaizduotas naudojant hibridinį modelį EBK_SVMR ir naudojant Ca_Mg_K kaip prognozuotoją. Erdvinio pasiskirstymo žemėlapis buvo sukurtas naudojant RStudio (1.4.1717 versija: https://www.rstudio.com/).]
6 paveiksle pateiktos PTE koncentracijos kaip kompozicijos plokštuma, susidedanti iš atskirų neuronų. Nė viena iš komponentų plokštumų nepasižymėjo tokiu pat spalvų raštu, kaip parodyta. Tačiau tinkamas neuronų skaičius viename nubraižytame žemėlapyje yra 55. SeOM gaminamas naudojant įvairias spalvas, ir kuo panašesni spalvų raštai, tuo panašesnės pavyzdžių savybės, panašaus K, spalvų skalė ir jų pavyzdžiai. pavienių aukštų neuronų ir daugumos žemų neuronų modeliai. Taigi CaK ir CaMg turi tam tikrų panašumų su labai aukšto laipsnio neuronais ir žemos iki vidutinės spalvos raštais. Abu modeliai prognozuoja Ni koncentraciją dirvožemyje rodydami vidutinius ir didelius spalvų atspalvius, pvz., raudoną, oranžinę ir geltoną. KMg modelis rodo daug aukštų spalvų modelių, nuo didelio iki mažo tikslios spalvų proporcijos. modelio komponentų raštas parodė aukštą spalvų raštą, nurodantį galimą nikelio koncentraciją dirvožemyje (žr. 4 pav.). CakMg modelio komponento plokštumoje pagal tikslią spalvų skalę rodomas įvairus spalvų raštas nuo žemos iki aukštos. Be to, modelio nikelio kiekio (CakMg) prognozė yra panaši į erdvinį nikelio koncentracijos pasiskirstymą, parodytą nikelio didelės koncentracijos miestuose, vidutinės ir 5 paveiksluose. -miesto dirvožemiai.7 paveiksle pavaizduotas kontūro metodas k-vidurkių grupe žemėlapyje, suskirstytas į tris grupes pagal kiekvieno modelio numatomą vertę.Kontūrinis metodas parodo optimalų grupių skaičių.Iš 115 surinktų dirvožemio mėginių 1 kategorija gavo daugiausia dirvožemio mėginių, 74.Klasterio plano mėginiai gavo 23 arba 33 komponentus. derinys buvo supaprastintas, kad būtų galima teisingai interpretuoti klasterius. Dėl daugybės antropogeninių ir natūralių procesų, turinčių įtakos dirvožemio formavimuisi, sunku tinkamai diferencijuoti klasterių modelius paskirstytame SeOM žemėlapyje78.
Komponentinės plokštumos išvestis iš kiekvieno Empirinio Bajeso Krigingo palaikymo vektoriaus mašinos (EBK_SVM_SeOM) kintamojo.[SeOM žemėlapiai buvo sukurti naudojant RStudio (1.4.1717 versija: https://www.rstudio.com/).]
Skirtingi klasterių klasifikavimo komponentai [SeOM žemėlapiai sukurti naudojant RStudio (1.4.1717 versija: https://www.rstudio.com/).]
Dabartinis tyrimas aiškiai iliustruoja nikelio koncentracijos miestų ir priemiesčių dirvožemiuose modeliavimo metodus. Tyrimo metu buvo išbandyti įvairūs modeliavimo metodai, derinant elementus su modeliavimo metodais, kad būtų gautas geriausias būdas prognozuoti nikelio koncentraciją dirvožemyje. SeOM kompozicinės plokštumos erdvinės modeliavimo technikos ypatybės parodė aukštą spalvų modelį nuo mažos iki didelės pagal tikslią dirvožemio koncentracijos skalę. EBK_SVMR parodytas komponentų pasiskirstymas (žr. 5 pav.). Rezultatai rodo, kad paramos vektoriaus mašinos regresijos modelis (Ca Mg K-SVMR) prognozuoja Ni koncentraciją dirvožemyje kaip vieną modelį, tačiau patvirtinimo ir tikslumo vertinimo parametrai rodo labai dideles RMSE ir MAE paklaidas. (R2). Geri rezultatai gauti naudojant EBK SVMR ir kombinuotus elementus (CaKMg) su mažomis RMSE ir MAE paklaidomis, kurių tikslumas yra 63,7%. Pasirodo, EBK algoritmą sujungus su mašininio mokymosi algoritmu, galima sukurti hibridinį algoritmą, galintį numatyti PTE koncentraciją tyrimo srityje. dirvožemiai. Tai reiškia, kad nuolatinis nikelio trąšų naudojimas ir pramoninė dirvožemio tarša plieno pramonėje turi tendenciją didinti nikelio koncentraciją dirvožemyje. Šis tyrimas atskleidė, kad EBK modelis gali sumažinti paklaidų lygį ir pagerinti dirvožemio erdvinio pasiskirstymo miesto ar priemiesčio dirvožemiuose modelio tikslumą. Apskritai siūlome prognozuoti dirvožemį įvertinti ir taikyti PTE MR modelį;be to, siūlome naudoti EBK hibridizuoti su įvairiais mašininio mokymosi algoritmais. Ni koncentracijos buvo prognozuojamos naudojant elementus kaip kovariatorius;tačiau naudojant daugiau kovariatorių modelio veikimas labai pagerėtų, o tai gali būti laikoma dabartinio darbo apribojimu.Kitas šio tyrimo apribojimas yra tas, kad duomenų rinkinių skaičius yra 115. Todėl, jei pateikiama daugiau duomenų, siūlomo optimizuoto hibridizacijos metodo veikimas gali būti pagerintas.
PlantProbs.net.Nickel in Plants and Soil https://plantprobs.net/plant/nutrientImbalances/sodium.html (Prieiga 2021 m. balandžio 28 d.).
Kasprzak, KS Nikelis daro pažangą šiuolaikinėje aplinkos toksikologijoje.surroundings.toxicology.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: Jo šaltinių ir aplinkos toksikologijos apžvalga. Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Teršalų patekimas iš atmosferos ir kaupimasis dirvožemyje bei augmenijoje šalia nikelio ir vario lydyklos Sudberyje, Ontarijo valstijoje, Kanadoje.can.J.Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. ir kt. Sunkieji metalai dirvožemyje, augaluose ir rizika, susijusi su ganomais atrajotojais prie Selebi-Phikwe vario ir nikelio kasyklos Botsvanoje.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-x0201281 (020128).
Cabata-Pendias.Kabata-Pendias A. 2011. Mikroelementai dirvožemyje ir… – Google Scholar https://scholar.google.com/scholar?hl=lt&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+th+tNYs. 29%3A+CRC+Press&btnG= (Prieiga 2020 m. lapkričio 24 d.).
Almås, A., Singh, B., Agriculture, TS-NJ of & 1995, undefined.Rusijos nikelio pramonės poveikis sunkiųjų metalų koncentracijai žemės ūkio dirvose ir žolėse Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD ir kt. Nikelio absorbcija ir susilaikymas geriamajame vandenyje yra susiję su maisto suvartojimu ir jautrumu nikeliui.toksikologija.taikymas.Pharmacodynamics.154, 67–75 (1999).
Costa, M. & Klein, CB Nikelio kancerogenezė, mutacija, epigenetika arba atranka.aplinka.Health Perspective.107, 2 (1999).
Ajmanas, kompiuteris;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, ​​NM;Potencialiai toksiškų elementų tendencijų analizė: bibliometrinė apžvalga. Aplinkos geochemija ir sveikata. 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. Dėl skaitmeninio dirvožemio kartografavimo.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistical Reservoir Modeling,… – „Google Scholar“ https://scholar.google.com/scholar?hl=lt&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Reservoir+Modeling%2C +n.=page+3+2%C+ paskelbta 2021 m. balandžio 28 d.).


Paskelbimo laikas: 2022-07-22