基于机器学习和情景分析的我国焦化行业企业用地污染预测
文献类型：期刊论文
| 作者 | 李凯; 郭广慧; 雷梅 |
| 刊名 | 环境科学
 |
| 出版日期 | 2023 |
| 卷号 | N/A页码:17 |
| 关键词 | 焦化行业 模型性能 污染预测 机器学习 情景分析 |
| ISSN号 | 0250-3301 |
| DOI | 10.13227/j.hjkx.202211249 |
| 英文摘要 | 针对焦化行业企业用地缺乏时序连续监测数据而无法预测其污染趋势的问题，从企业特征、企业管理水平、污染物特征和自然地理要素等4个方面选取13个影响企业用地污染的指标，识别焦化行业企业用地污染主控因子，在此基础上构建基于机器学习的焦化行业企业用地污染预测模型，并在不同情境下，对2025年和2030年焦化行业企业用地污染状况进行预测。结果表明，生产经营活动时间、建厂时间、企业环境监管记录、土壤黏粒和年均风速是焦化行业企业用地污染的主控因子；相对于支持向量机模型、BP神经网络模型和决策树模型，逻辑斯蒂模型预测价值高、性能指标稳健，其预测精度受试者工作曲线面积为0.91，模型准确率和召回率分别为84%和88%。在乐观情境下，2025年和2030年焦化行业高概率污染地块数据分别为1599块和1695块；在悲观情境下，2025年和2030年焦化行业高概率污染地块数据分别为1671块和1715块。研究结果可为焦化行业企业用地的修复治理和生态环境的宏观决策提供科学依据。 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/188599]  |
| 专题 | 资源利用与环境修复重点实验室_中文论文 |
| 作者单位 | 1.中国科学院生态环境研究中心城市与区域生态国家重点实验室 2.中国科学院地理科学与资源研究所 |
| 推荐引用方式 GB/T 7714 | 李凯,郭广慧,雷梅. 基于机器学习和情景分析的我国焦化行业企业用地污染预测[J]. 环境科学,2023,N/A:17. |
| APA | 李凯,郭广慧,&雷梅.(2023).基于机器学习和情景分析的我国焦化行业企业用地污染预测.环境科学,N/A,17. |
| MLA | 李凯,et al."基于机器学习和情景分析的我国焦化行业企业用地污染预测".环境科学 N/A(2023):17. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。