基于混合策略改进的LightGBM土壤污染预测模型

来源：电子测量技术杂志2023年第16期北京时间：

作者：李文杰，王占刚

单位：北京信息科技大学信息与通信工程学院 北京 100101

摘要：社会经济快速发展，然而土壤污染中重金属污染所占的比例越来越大，对生态环境和人们的生命健康造成了巨大的威胁。针对以上问题，提出一种基于混合策略改进的土壤重金属污染预测模型，即先采用随机森林选出最优特征子集，再利用随机搜索对LightGBM参数进行优化，最后通过训练得到的LightGBM模型预测土壤的内梅罗综合污染指数，从而得出土壤重金属污染状况。以我国华北平原的某区域为研究区，并与RSLightGBM、LightGBM、SVR模型的预测结果进行对比。结果表明，所提模型的均方误差、平均绝对误差相比于LightGBM模型分别降低了6909%、3909%，决定系数相比于LightGBM模型提高了611%。上述结果表明本论文提出的模型可以有效应用于土壤重金属污染预测研究中。

关键词：污染预测;LightGBM;随机森林;随机搜索

基金资助：国家重点研发计划课题（2018YFC1800203）、北京市科技创新服务能力建设基本科研业务费（市级）（科研类）（PXM2019＿014224＿000026）项目资助