收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的太原市土壤重金属污染评价研究

苏超  
【摘要】:城市扩张、工业发展和人口剧增导致城市土地生态系统承受着越来越大的风险。本文以土壤质量风险为研究内容,以山西省太原市为研究区,以2013年4月对研究区的系统布点采样为数据源,首先分析了土壤重金属元素和土壤养分的统计特征及其空间分布格局,探讨了土地利用方式对土壤质量的影响。在此基础上,利用支持向量机(Support Vector Machine,简称SVM)算法,对太原市的土壤重金属污染及土壤质量状况进行了评价,并结合太原市污染源普查数据,探讨了土壤重金属污染和污染源之间的关系。本文得到的研究结论主要有:(1)土壤重金属元素Cu、Zn、Cr、Pb和养分碱解氮、速效磷、速效钾等这些变量值之间的变动较大。除As以外,土壤重金属元素之间都有很显著且较强的正相关性;土壤养分各成分之间均具有显著的正相关性(P0.01)。(2)小店区的Cu、Zn、Ni、Pb、Cd污染较重,Cu、Pb和Hg含量较高的样点位于晋源区,杏花岭区的As污染最严重,总体上小店区和晋源区污染较严重。(3)各土地利用方式只对土壤速效钾的含量有显著差异,对其他土壤养分指标和所有重金属元素的影响均无显著差异(P0.05)。(4)基于SVM的重金属污染评价结果表明,太原市土壤总体上污染较轻,污染较重的样点主要分布在小店区;基于SVM的土壤质量评价结果表明,太原市土壤质量最好的区域主要为杏花岭区和万柏林区的一部分区域,土壤质量最差的样点主要分布在晋源区。结果表明,SVM在生态风险评价方面有很强的适用性和优越性,其分类精度较高,尤其是对小样本、非线性问题。(5)不同类别污染源对土壤重金属Zn、P、Cd、Hg的含量影响有显著差异。化工类污染源和矿石类污染源是需要加强治理和管理的两类主要污染源,它们可引起多种土壤重金属元素的污染,尤其是化工类企业。本文的研究结果从理论上验证了支持向量机算法在生态风险评价方面的适用性和优越性,弥补了传统评价方法的一些不足。实践上,该评价结果展示了太原市土壤重金属污染的轻重分布区及土壤质量优劣的分布区,可为当地相关部门进行污染治理和环境保护提供一定的参考和借鉴。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张鸿雁;;基于树状结构的支持向量机多分类方法[J];煤矿机械;2008年06期
2 袁晓鹰;邵元海;王震;;基于支持向量机煤炭产地的鉴别研究[J];洁净煤技术;2011年04期
3 陈文杰,王晶;支持向量机在工业过程中的应用[J];计算机与应用化学;2005年03期
4 胡哲;郑诚;闵鹏鹏;;支持向量机及其应用研究[J];重庆科技学院学报(自然科学版);2008年02期
5 杨静;殷志祥;崔健中;;支持向量机的蛋白质远程同源检测方法分析[J];安徽理工大学学报(自然科学版);2009年03期
6 王永;程灿;戴明军;孙永;;一种半监督支持向量机优化方法[J];工矿自动化;2010年12期
7 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
8 郑小霞;钱锋;;基于小波和支持向量机的故障趋势预报[J];计算机与应用化学;2008年01期
9 王平;;基于支持向量机的空气降尘预测[J];科技情报开发与经济;2009年02期
10 刘培胜;贾银山;韩云萍;;一种改进的简化支持向量机[J];辽宁石油化工大学学报;2009年01期
11 李忠伟;王立朝;;基于支持向量机的应急预案动态优选方法研究[J];安全与环境学报;2009年05期
12 曹巍;赵英凯;高世伟;;基于模糊核聚类的多类支持向量机[J];化工学报;2010年02期
13 李驰;;支持向量机在焊接过程中的应用[J];电焊机;2011年10期
14 张忠平;姚志锋;李春旺;孙强;李静;;一种利用支持向量机描述应力—寿命关系的新方法[J];空军工程大学学报(自然科学版);2012年02期
15 贾存良;吴海山;巩敦卫;;煤炭需求量预测的支持向量机模型[J];中国矿业大学学报;2007年01期
16 姜谙男;梁冰;张娇;;基于粒子群最小二乘支持向量机的瓦斯含量预测[J];辽宁工程技术大学学报(自然科学版);2009年03期
17 徐红敏;王海英;梁瑾;黄帅;;支持向量机回归算法及其应用[J];北京石油化工学院学报;2010年01期
18 牛磊;卜祥芹;陈优阔;徐玉震;;支持向量机在矿井水源判别中的应用[J];煤矿现代化;2010年03期
19 许少华;庞跃武;王兵;;一种过程支持向量机模型及其若干理论性质[J];大庆石油学院学报;2011年06期
20 邓晓刚;田学民;;基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用[J];中国石油大学学报(自然科学版);2012年03期
中国重要会议论文全文数据库 前10条
1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(一)[C];2005年
3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年
6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年
9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年
10 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张晓雷;支持向量机若干问题的研究[D];清华大学;2012年
2 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年
3 郭虎升;支持向量机的优化建模方法研究[D];山西大学;2014年
4 姚毓凯;支持向量机关键技术及其在人体活动识别中的应用研究[D];兰州大学;2015年
5 周叶;基于新异类检测和支持向量机的水电机组诊断技术研究[D];中国水利水电科学研究院;2015年
6 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
7 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
8 王超;三类不确定支持向量机及其应用[D];河北大学;2013年
9 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
10 李华庆;支持向量机及其在人脸识别中的应用研究[D];上海交通大学;2006年
中国硕士学位论文全文数据库 前10条
1 佟乐;添加Universum数据双支持向量机[D];河北大学;2015年
2 胡金扣;鲁棒支持向量机研究[D];河北大学;2015年
3 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年
4 董慧康;基于人群搜索—支持向量机的心脏病多生理参数诊断方法研究[D];河北工业大学;2014年
5 李萌;基于支持向量机的高分遥感影像分类技术研究与应用[D];中国地质大学(北京);2015年
6 甘乐;基于支持向量机的高光谱图像降维与分类研究[D];长江大学;2015年
7 苏超;基于支持向量机的太原市土壤重金属污染评价研究[D];山西大学;2014年
8 李胜刚;基于支持向量机的短期风电功率预测[D];湖南工业大学;2015年
9 孙亭亭;基于支持向量机的燃煤机组燃烧优化算法的研究[D];山东大学;2015年
10 王芳;基于支持向量机的沪深300指数回归预测[D];山东大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978