基于机器学习方法的小麦镉富集因子预测

来源：环境科学杂志2023年第1期北京时间：

作者：牛硕,李艳玲,杨阳,商艳萍,王天齐,陈卫平

单位：郑州大学河南先进技术研究院, 郑州 450003,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, 北京 100085,中交天津航道局有限公司天津市疏浚工程技术企业重点实验室, 天津 300461,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, 北京 100085,河南省济源市种子管理站, 济源 459000,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, 北京 100085,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, 北京 100085

摘要：应用机器学习方法解析区域土壤-小麦系统镉(Cd)富集特征有助于风险决策的准确性和科学性.基于区域调查,构建了Freundlich-type转移方程、随机森林(RF)模型和神经网络(BPNN)模型对小麦Cd富集因子(BCF-Cd)进行预测,验证不同模型的预测精度并评估其不确定性.结果表明,RF (R2=0.583)和BPNN (R2=0.490)模型预测性能均优于Freundlich转移方程(R2=0.410).重复训练结果显示RF和BPNN平均绝对误差(MAE)和均方根误差(RMSE)较为接近,但RF (R2为0.527~0.601)较BPNN (R2为0.432~0.661)模型精度和稳定性更高.特征变量重要性分析显示多重因素的共同作用导致小麦BCF-Cd的异质性,其中土壤磷(P)和锌(Zn）是影响小麦,变化的关键变量,参数优化可进一步提高,模型精度,稳定性和泛化能力。

关键词：随机森林,神经网络,回归方程,富集系数,小麦,