Geosci. Front. | 基于自动机器学习替代模型考虑未知边界条件的地下水污染源识别
Geoscience Frontiers
2026-03-06 07:00
文章摘要
背景:地下水污染源识别是污染风险评估和修复的前提,以往研究通常将边界条件设为已知,但实际中边界条件复杂且难以准确估计,将其设为已知可能导致识别结果失真。研究目的:本研究聚焦于未知边界条件,创新性地提出同时识别污染源信息、模型参数和边界条件三类未知变量的方法,并采用自动机器学习构建替代模型以降低计算负荷,实现模型选择与超参数优化自动化。结论:结果表明,考虑未知边界条件的地下水污染源识别是可靠且实用的,边界条件的识别精度总体更高;自动机器学习替代模型相比极端梯度提升法、随机森林法等具有最高精度,能大幅减少人工操作和时间,为地下水污染源识别提供了可靠支持。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。