遗传算法优化神经网络的重金属污染源预测

辛艾萱

doi:https://doi.org/10.37155/2811-0595-0408-21

主页 > 最新一期

遗传算法优化神经网络的重金属污染源预测

辛艾萱（中南安全环境技术研究院股份有限公司）

https://doi.org/10.37155/2811-0595-0408-21

简介

城市土壤重金属污染日益严重，而确定重金属污染源位置是一个较为突出的难题。本文以武汉市为案例研究区，利用2017年获取的100个土壤重金属浓度采样数据，选取Zn、Cu、Mn、B四种重金属指标，分析武汉市重金属空间分布情况，并构建一种基于遗传算法优化的BP神经网络（GA-BPNN）模型，用于预测土壤重金属污染源位置。得到结论如下：（1）武汉市重金属浓度呈中心点浓度最高向外扩散渐渐降低的点源式分布，重金属污染为点源污染，且Zn、B污染主要集中在中心城区，Cu、Mn污染主要集中在偏远城区；（2）GA-BPNN模型表现出良好的训练效果和较高的预测精度，检验组数据的拟合精度超过80%。对于硼（B）元素的污染源预测，模型预测位置与实测最大浓度点位置完全一致，浓度预测误差在7%以内。

关键字

重金属；遗传算法；BP神经网络；污染源寻源预测

全文

PDF

参考文献

[1]岳瑞,张梦林,段佳辉,等.重庆市典型生态功能区土
壤重金属污染评价与源解析[J].安全与环境学报,2025,25
[2]王亚婷,廖明旭,康馨文,等.某电镀企业土壤
重金属污染特征及健康风险评价[J].安全与环境学
报,2024,24(11):4464-4474.
[3]徐剑乔.基于改进主成分分析法的水环境中重
金属污染流域水质生态评价方法研究[J].环境科学与管
理,2024,49(5):191-194.
[4]霍霄妮,李红,张微微,等.北京耕作土壤重金属多尺
度空间结构[J].农业工程学报,2009,25(3):223-229.
[5]杨娟,王昌全,李冰,等.基于BP神经网络的城市边缘
带土壤重金属污染预测—以成都平原土壤Cd为例[J].土壤
学报,2008,44(3):430-436.

出版时间:2025-08-31
本作品采用以下许可协议授权：知识共享署名 4.0 国际许可协议