[发明专利]一种基于机器学习的湖泊溶解性有机物性质预测的方法

权利要求书

1.一种基于机器学习的湖泊溶解性有机物性质预测的方法，其特征在于，包括如下步骤：

S1采集中国40个以上的湖泊水样；

S2检测水样理化性质、微生物组分、溶解性有机物组分，收集湖泊及其流域的人文指标和土地使用类型数据，建立湖泊数据库；

S3对特征数据集使用机器学习特征选择方法进行特征筛选，得到筛选特征集；

S4基于机器学习算法将筛选数据集输入到机器学习随机森林模型进行训练，并调节机器学习随机森林的参数使其达到准确性要求，得到预测湖泊溶解性有机物性质机器学习模型；

S5根据调整后的随机森林模型进行10折交叉验证，得到模型的预测结果。

2.根据权利要求1所述的基于机器学习的湖泊溶解性有机物性质预测的方法，其特征在于，所述步骤S2中检测水样理化性质、微生物组分、溶解性有机物组分，收集湖泊及其流域的人文指标和土地使用类型数据，建立湖泊数据库，具体步骤包括：

S2.1检测水样的：总氮含量，化学需氧量，微生物组分(真菌和细菌门水平丰度、Chao和Shannon指数)以及溶解性有机物组分；

S2.2通过地图、数据库、政府公报和年鉴收集湖泊流域的经纬度、海拔、年平均降雨量、年平均温度、空气质量指数、生产总值密度、人口密度、土地使用类型(人工地表、农用地、水体、湿地、森林、灌木草地和其他)，建立湖泊数据库；

S2.3根据测得的溶解性有机物组分计算其两个性质：降解程度指数和生物可利用性，降解程度指数的公式为：

I_deg＝∑(I_deg，neg)/∑(I_deg，neg+I_deg，pos)

其中：I_deg，neg：负相关溶解性有机物丰度，C₂₁H₂₆O₁₁，C₁₇H₂₀O₉，C₁₉H₂₂O₁₀，C₂₀H₂₂O₁₀，C₂₀H₂₄O₁₁；I_deg，pos：正相关溶解性有机物丰度，C₁₃H₁₈O₇，C₁₄H₂₀O₇，C₁₅H₂₂O₇，C₁₅H₂₂O₈ andC₁₆H₂₄O₈；

生物可利用度公式为：

生物可降解度＝38.4+10.6(H：C)-70.9(O：C)+183.2(N：C)

其中：H，C，O，N分别表示化学式中氢原子、碳原子、氧原子和氮原子个数。

3.根据权利要求1所述的基于机器学习的湖泊溶解性有机物性质预测的方法，其特征在于，所述步骤S3中对特征数据集使用机器学习特征选择方法进行特征筛选，具体步骤包括：

S3.1使用基于随机森林模型的剔除特征重要性为负数的迭代方法对特征进行筛选，直到不出现负的特征重要性，选取模型效果最优的特征集；

S3.2通过特征筛选，降解程度指数的特征包括：年平均温度、人工地表、水体、人口密度、空气质量、细菌Latescibacterota丰度、细菌Margulisbacteria丰度、细菌Methylomirabilota丰度；

S3.3通过特征筛选，生物可利用性的特征包括：经度、海拔、森林、灌木草地、人工地表、生产总值密度、人口密度、真菌Chao指数、细菌Cyanobacteria丰度、细菌Chytridiomycota丰度、细菌Rozellomycota丰度。

4.根据权利要求1所述的基于机器学习算法将筛选数据集输入到机器学习随机森林模型进行训练，并调节机器学习随机森林的参数使其达到准确性要求，得到预测湖泊溶解性有机物性质机器学习模型，具体步骤包括：

S4.1将筛选数据集输入到机器学习随机森林模型中，使用十折交叉验证方法进行模型验证；

将数据集随机按比例9：1分成10份子数据集，依次选取9份不同的子数据集合并为训练集输入模型进行训练，剩下的1份子集作为测试集得到测试结果，模型预测准确性评定指标为：相关系数(R²)；

R²＝ρ_X，Y

其中，X表示实际值，Y表示预测值；

S4.2根据模型预测准确性验证结果对随机森林模型的参数进行调整，所调整的参数包括：树的个数ntree，节点最佳变量个数mtry。