人民黄河

作者：翟文华;付宇;曹文庚;李泽岩;任宇

单位：（1.华北水利水电大学 地球科学与工程学院，河南 郑州 450046; 2.华北水利水电大学 测绘与地理信息学院，河南 郑州 450046; 3.中国地质科学院 水文地质环境地质研究所，河北 石家庄 050061）

关键词：高砷地下水;Stacking集成学习模型;黄河下游;豫北地区

不同类型机器学习模型对地下水砷的预测存在较大差别，现有机器学习模型不能较好预测地下水砷的空间分布。基于黄河下游豫北区1 081个浅层地下水砷质量浓度实测值，结合人类活动、气候、沉积环境、土壤理化特征、水文地质等环境因子，构建以随机森林(RF)、极端梯度提升(XGBoost)、支持向量机(SVM)为基学习器，线性判别分析(LDA)为元学习器的堆叠(Stacking)集成学习模型，对研究区高砷地下水空间分布进行预测，并对关键环境变量进行识别。结果表明：研究区地下水砷质量浓度为0.01~190 μg/L，超标率为16.74%；相对于RF、XGBoost、SVM模型，Stacking集成学习模型ROC曲线下面积（AUC）、准确率(Accuracy)、特异性(Specificity)和敏感性(Recall)最大；研究区高砷地下水主要分布在太行山前洼地及黄河决口扇地区，占总面积的33.81%；黄河决口情况、年均气温、年降水量、高程、水力梯度是影响研究区高砷地下水分布的重要环境变量，沉积环境与地下水中砷富集显著相关。

来源：2023年第1期

《人民黄河》期刊编辑部

查看人民黄河杂志2023年第1期