【技術實現步驟摘要】
本專利技術涉及土壤監測，特別涉及一種土壤重金屬污染來源判別方法、裝置、設備及介質。
技術介紹
1、土壤重金屬的污染來源多樣，包括自然來源和人為來源，但現有技術中對土壤中影響重金屬含量高低的信息進行采集時，不能有效獲取土壤的維度和信息度，導致不能全面分析土壤中重金屬的分布、形態以及與土壤中其他成分的關系，進而難以準確判斷土壤重金屬污染的主要來源。
技術實現思路
1、本專利技術旨在至少解決現有技術中存在的技術問題之一。為此，本專利技術提出一種土壤重金屬污染來源判別方法、裝置、設備及介質，能夠有效獲取土壤的維度和信息量。
2、第一方面，本專利技術實施例提供了一種土壤重金屬污染來源判別方法，包括：
3、獲取土壤樣本的自然特征因子與土壤樣本的重金屬實際測試值；
4、對所述自然特征因子進行預處理操作，獲取與所述土壤樣本重金屬自然本底值高度相關的主控因子；
5、構建所述土壤重金屬自然本底值的預測模型，將所述主控因子輸入至所述預測模型，得到土壤重金屬自然本底預測值；
6、將所述土壤重金屬自然本底預測值與所述土壤重金屬實際測試值進行比對，確定所述土壤樣本的重金屬污染來源類型。
7、在本專利技術的一些實施例中，所述獲取土壤樣本的自然特征因子，包括：
8、對所述土壤樣本進行掃描，得到所述土壤樣本的多個二維掃描圖像，對所述二維掃描圖像進行三維重構，得到所述土壤樣本的第一三維重構圖像；
9、對所述第一三維重構圖像
10、對所述第二三維重構圖像進行計算，得到所述土壤樣本的土壤結構參數。
11、在本專利技術的一些實施例中，所述得到所述土壤樣本的多個二維掃描圖像后，所述方法還包括：
12、獲取所述二維掃描圖像的像素點標注為第一像素點和第二像素點，其中，所述第一像素點為所述土壤樣本的所有像素點，所述第二像素點為所述土壤樣本中土壤孔隙的像素點；
13、獲取在第一分辨率下所述第二像素點在所述第一像素點中的第一孔隙度，以及，在第二分辨率下所述第二像素點在所述第一像素點中的第二孔隙度，對所述第一孔隙度和所述第二孔隙度進行求和，得到第三孔隙度；
14、或者，獲取所述三維重構圖像的孔隙距離圖，根據所述孔隙距離圖將所述土壤孔隙分為多個獨立孔隙；
15、選擇所述獨立孔隙的進汞注入面，進汞根據所述進汞注入面進入至所述獨立孔隙中進行注入；
16、當所述獨立孔隙的半徑為零時，獲取所述三維重構圖像的連通孔隙度；
17、獲取所述三維重構圖像中所有所述獨立孔隙的直徑，對所述直徑進行統計，計算所述三維重構圖像中土壤孔隙半徑的平均值和中值；
18、計算土壤滲透系數。
19、在本專利技術的一些實施例中，所述對所述自然特征因子進行預處理操作，包括：
20、對多個所述自然特征因子進行標準化處理，并計算多個所述自然特征因子的多個相關系數；
21、將多個所述自然特征因子中，與其他自然特征因子相關系數高于0.6的部分剔除，使得剩余所有所述自然特征因子之間的相關系數均小于0.6；
22、將所述相關系數小于0.6的所述自然特征因子進行遞歸特征消除，以使所有可用的所述自然特征因子訓練一個模型，并計算每個特征的權重或系數；
23、根據所述自然特征因子的所述權重或所述系數的高低對所述自然特征因子進行排序；
24、刪除排序中所述權重或所述系數最小的一個或多個所述自然特征因子，并用剩余的所述自然特征因子重新訓練模型，直到剩余所述自然特征因子數量無法繼續剔除特征為止，得到每個所述自然特征因子的貢獻率；
25、對挑選出的所述自然特征因子根據貢獻率進行排序，按所述貢獻率從高到低選擇所述自然特征因子直至累積貢獻率超過99％，將選中的所述自然特征因子作為預測土壤重金屬自然本底值的所述主控因子，其中，所述主控因子的貢獻率不低于5％。
26、在本專利技術的一些實施例中，構建所述土壤重金屬自然本底值的預測模型，包括：
27、獲取所述土壤樣本的數據集劃分為k個大小相同的互斥子集，將k-1個所述互斥子集的并集作為訓練集，剩余的所述互斥子集作為測試集和驗證集；
28、獲取k組所述互斥子集、所述測試集和所述驗證集，對k組所述互斥子集、所述測試集和所述驗證集進行k次訓練后，得到所述土壤樣本的數據集劃分結果；
29、以所述主控因子為輸入，所述自然本底值為輸出，采用隨機森林算法建立土壤重金屬自然本底值預測模型。
30、在本專利技術的一些實施例中，所述確定所述土壤樣本的重金屬污染來源類型，包括：
31、設定所述重金屬污染來源類型的上限區間；
32、當所述實際測試值與所述自然本底預測值的差值處于所述上限區間內，則所述重金屬污染來源類型為自然污染；
33、當所述實際測試值與所述自然本底預測值的差值大于所述上限區間，則所述重金屬污染來源類型為人為污染。
34、在本專利技術的一些實施例中，所述計算所述土壤滲透系數，包括：
35、對所述三維重構圖像中的流場進行初始化操作，以使所述流場中的分布函數初始化為平衡態分布；
36、根據預設的單松弛模型計算所述流場的第一分布函數，對所述第一像素點和所述第二像素點進行碰撞；
37、確定所述三維重構圖像中的多個第一孔隙點和第二孔隙點，當所述第一孔隙點的下游網格為所述第二孔隙點時，對所述第一孔隙點進行遷移，當所述第一孔隙點的下游網格不為所述第二孔隙點時，對所述第一孔隙點進行反彈；
38、確定進入所述流場的第二分布函數，將所述第二分布函數賦值為所述單松弛模型的緩沖層上流出所述流場的碰撞后分布函數值；
39、獲取所述流場所述平均流量并計算所述流場的壓差，根據所述平均流量和所述壓差計算所述流場的滲透系數；
40、根據所述滲透系數計算所述滲透系數的相對誤差。
41、第二方面，本專利技術實施例提供了一種土壤重金屬污染來源判別裝置，包括少一個控制處理器和用于與所述至少一個控制處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個控制處理器執行的指令，所述指令被所述至少一個控制處理器執行，以使所述至少一個控制處理器能夠執行如上述第一方面所述的土壤重金屬污染來源判別方法。
42、第三方面，本專利技術實施例提供了一種電子設備，包括有如上述第二方面所述的土壤重金屬污染來源判別裝置。
43、第四方面，本專利技術實施例提供了一種計算機可讀存儲介質，存儲有計算機可執行指令，所述計算機可執行指令用于執行如上述第一方面所述的土壤重金屬污染來源判別方法。
44、根據本專利技術實施例的土壤重金屬污染來源判別方法，至少具有如下有益效果：
4本文檔來自技高網...
【技術保護點】
1.一種土壤重金屬污染來源判別方法，其特征在于，包括：
2.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，所述獲取土壤樣本的自然特征因子，包括：
3.根據權利要求2所述的土壤重金屬污染來源判別方法，其特征在于，所述得到所述土壤樣本的多個二維掃描圖像后，所述方法還包括：
4.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，對所述自然特征因子進行預處理操作，包括：
5.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，所述構建所述構建所述土壤重金屬自然本底值的預測模型，包括：
6.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，所述確定所述土壤樣本的重金屬污染來源類型，包括：
7.根據權利要求3所述的土壤重金屬污染來源判別方法，其特征在于，所述計算所述土壤滲透系數，包括：
8.一種土壤重金屬污染來源判別裝置，其特征在于，包括至少一個控制處理器和用于與所述至少一個控制處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個控制處理器執行的指令，所述指令被所
9.一種電子設備，其特征在于，包括權利要求8所述的土壤重金屬污染來源判別裝置。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至7任一項所述的土壤重金屬污染來源判別方法。
...【技術特征摘要】
1.一種土壤重金屬污染來源判別方法，其特征在于，包括：
2.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，所述獲取土壤樣本的自然特征因子，包括：
3.根據權利要求2所述的土壤重金屬污染來源判別方法，其特征在于，所述得到所述土壤樣本的多個二維掃描圖像后，所述方法還包括：
4.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，對所述自然特征因子進行預處理操作，包括：
5.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，所述構建所述構建所述土壤重金屬自然本底值的預測模型，包括：
6.根據權利要求1所述的土壤重金屬污染來源判別方法，其特征在于，所述確定所述土壤樣本的重金屬污染來源類型，包括：
【專利技術屬性】
技術研發人員：龍威，張秧，王冠群，李煒，劉綺婷，
申請(專利權)人：清能艾科重慶能源技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。