Nature.com saytına daxil olduğunuz üçün təşəkkür edirik. İstifadə etdiyiniz brauzer versiyasında CSS üçün məhdud dəstək var. Ən yaxşı təcrübə üçün sizə yenilənmiş brauzerdən istifadə etməyi (və ya Internet Explorer-də uyğunluq rejimini söndürməyi) tövsiyə edirik. Bu arada, davamlı dəstəyi təmin etmək üçün saytı üslub və JavaScript olmadan göstərəcəyik.
Torpağın çirklənməsi insan fəaliyyəti nəticəsində yaranan böyük problemdir. Potensial zəhərli elementlərin (PTEs) fəzada paylanması əksər şəhərlərdə və şəhərətrafı ərazilərdə dəyişir. Buna görə də, belə torpaqlarda PTE-lərin tərkibini fəza baxımından proqnozlaşdırmaq çətindir. Çexiyadakı Frydek Mistek (Cagnesium) (Calcium), maqnezium (Calcium) və asassium (Kalsium) dən cəmi 115 nümunə götürülmüşdür. nikel (Ni) konsentrasiyaları induktiv birləşmiş plazma emissiya spektrometriyasından istifadə etməklə müəyyən edilmişdir. Cavab dəyişəni Ni, proqnozlaşdırıcıları isə Ca, Mg və K-dir. Cavab dəyişəni ilə proqnozlaşdırıcı dəyişən arasındakı korrelyasiya matrisi elementlər arasında qənaətbəxş korrelyasiya göstərir. Proqnozlaşdırma nəticələri göstərdi ki, Dəstək Vektor Maşın Reqressiyasını yaxşı yerinə yetirdi (kvadrat MR) RM (kvadrat MR) reqressiyasını yaxşı yerinə yetirdi. (235,974 mq/kq) və orta mütləq xəta (MAE) (166,946 mq/kq) tətbiq edilən digər üsullardan yüksək idi. Empirik Bayesian Kriqinq-Çoxlu Xətti Reqressiya (EBK-MLR) üçün qarışıq modellər 0,1-dən az təyinetmə əmsalları ilə sübut olunduğu kimi, zəif işləyir. (EBK-SVMR) modeli aşağı RMSE (95,479 mq/kq) və MAE (77,368 mq/kq) dəyərləri və yüksək təyinetmə əmsalı (R2 = 0,637) ilə ən yaxşı model idi. EBK-SVMR modelləşdirmə texnikasının çıxışı öz-özünə təşkil olunan xəritədən istifadə etməklə vizuallaşdırılır. SVKbkg planında çoxlu neyronların çoxlu neyronları göstərilir. şəhər və şəhərətrafı torpaqlarda Ni konsentrasiyalarını proqnozlaşdıran rəng nümunələri. Nəticələr göstərir ki, EBK və SVMR-nin birləşdirilməsi şəhər və şəhərətrafı torpaqlarda Ni konsentrasiyalarının proqnozlaşdırılması üçün effektiv üsuldur.
Nikel (Ni) bitkilər üçün mikroelement hesab olunur, çünki o, atmosfer azotunun fiksasiyasına (N) və karbamid mübadiləsinə kömək edir, hər ikisi toxumların cücərməsi üçün tələb olunur. Toxumların cücərməsinə töhfə verməklə yanaşı, Ni göbələk və bakteriya inhibitoru kimi çıxış edə və bitki inkişafını təşviq edə bilər. noxud və yaşıl lobya azot fiksasiyasını optimallaşdırmaq üçün nikel əsaslı gübrələrin tətbiqini tələb edir2. Torpağı zənginləşdirmək və paxlalı bitkilərin torpaqda azot tutma qabiliyyətini artırmaq üçün nikel əsaslı gübrələrin davamlı tətbiqi torpaqda nikel konsentrasiyasını davamlı olaraq artırır. Torpaqdakı nikelin toksikliyi torpağın pH-ını minimuma endirir və bitkilərin böyüməsi üçün vacib qida kimi dəmirin udulmasına mane olur. Avtomobil sənayesindəki alovlanma cihazları və qığılcım şamları müxtəlif sənaye sektorlarında nikelin istifadəsini tələb edir. Bundan əlavə, nikel əsaslı ərintilər və elektrolizlə örtülmüş məmulatlar mətbəx əşyaları, bal zalı aksesuarları, qida sənayesi ləvazimatları, elektrik, məftil və kabel, reaktiv turbinlər, cərrahi implantlar, toxuculuq məhsulları və gəmilərin səthi ilə zəngin səviyyələrdə geniş istifadə olunur. həm antropogen, həm də təbii mənbələrə aid edilmişdir, lakin ilk növbədə, Ni antropogen deyil, təbii mənbədir4,6. Nikelin təbii mənbələrinə vulkan püskürmələri, bitki örtüyü, meşə yanğınları və geoloji proseslər daxildir; lakin, antropogen mənbələrə polad sənayesində nikel/kadmium batareyaları, elektrokaplama, qövs qaynağı, dizel və yanacaq yağları, kömürün yanması və tullantıların və çamurun yandırılması nəticəsində atmosferə atılan nikel yığılması7,8.Fredman və Hutchinson və başqalarına görə9 və digərləri daxildir. 10-da, yaxın və ona bitişik ətraf mühitdə torpağın üst qatının çirklənməsinin əsas mənbələri əsasən nikel-mis əsaslı ərimə zavodları və mədənlərdir. Kanadadakı Sudberi nikel-mis emalı zavodunun ətrafındakı üst torpaq 26.000 mq/kq nikellə çirklənmənin ən yüksək səviyyəsinə malik olmuşdur11. Norveç torpağında nikel konsentrasiyaları11.Alms et al. 12, regionun ən yaxşı əkin sahələrində (Rusiyada nikel istehsalı) HNO3 çıxarıla bilən nikelin miqdarı orta hesabla 30,43 mq/kq və 25 mq/kq baza konsentrasiyasına uyğun olaraq 6,25-136,88 mq/kq arasında dəyişmişdir. Ardıcıl məhsul mövsümlərində və ya şəhərətrafı torpaqlar torpağa nüfuz edə və ya çirkləndirə bilər. Nikelin insanlarda potensial təsiri mutagenez, xromosom zədələnməsi, Z-DNT generasiyası, bloklanmış DNT eksizyonunun təmiri və ya epigenetik proseslərlə xərçəngə səbəb ola bilər. bu cür şişləri şiddətləndirir.
Torpağın çirklənməsinin qiymətləndirilməsi son zamanlarda torpaq-bitki münasibətləri, torpaq və torpağın bioloji əlaqələri, ekoloji deqradasiya və ətraf mühitə təsirin qiymətləndirilməsindən irəli gələn sağlamlıqla bağlı geniş spektrli problemlər səbəbindən inkişaf edib. cari müvəffəqiyyət15 proqnozlaşdırıcı torpaq xəritələşdirməsini (PSM) xeyli təkmilləşdirdi. Minasny və McBratney16-ya görə, proqnozlaşdırıcı torpaq xəritəsi (DSM) torpaqşünaslığın görkəmli alt fənni olduğunu sübut etdi. Laqacherie və McBratney, 2006 DSM-ni “məkan torpaq məlumatlandırma sistemlərinin yaradılması və doldurulması və fəza-torpaq məlumat sistemlərindən istifadə etməklə doldurulması” kimi müəyyən edir. və qeyri-məkan torpaq çıxarış sistemləri”.McBratney et al. 17 müasir DSM və ya PSM-nin PTE-lərin, torpaq növlərinin və torpaq xüsusiyyətlərinin məkan paylanmasını proqnozlaşdırmaq və ya xəritələşdirmək üçün ən effektiv texnika olduğunu qeyd edir. Geostatistika və Maşın Öyrənmə Alqoritmləri (MLA) əhəmiyyətli və minimal məlumatlardan istifadə edərək kompüterlərin köməyi ilə rəqəmsal xəritələr yaradan DSM modelləşdirmə üsullarıdır.
Deutsch18 və Olea19 geostatistikanı “əsasən zaman sıralarının təhlilinin müvəqqəti məlumatları necə xarakterizə etməsi kimi stoxastik modellərdən istifadə etməklə, məkan atributlarının təsviri ilə məşğul olan ədədi texnikalar toplusu” kimi təyin edirlər. İlk növbədə, geostatistika varioqramların qiymətləndirilməsini əhatə edir ki, bu da hər bir məlumat dəstindən məkan dəyərlərinin asılılıqlarını müəyyən etməyə və müəyyən etməyə imkan verir20.Gumiaux et al. 20 daha sonra göstərir ki, geostatistikada varioqramların qiymətləndirilməsi üç prinsipə əsaslanır, o cümlədən (a) məlumatların korrelyasiya miqyasının hesablanması, (b) verilənlər toplusunun qeyri-bərabərliyində anizotropiyanın müəyyən edilməsi və hesablanması və (c) əlavə olaraq, ölçmə məlumatlarının xas səhvini nəzərə almaqla yanaşı, yerli təsirlərdən ayrılmış bir çox interpolasiya konsepti də daxildir. üsullardan geostatistikada istifadə olunur, o cümlədən ümumi kriginq, co-kriginq, adi kriginq, empirik Bayes kriginqi, sadə kriginq üsulu və PTE, torpaq xüsusiyyətləri və torpaq növlərinin xəritəsini və ya proqnozlaşdırılması üçün digər tanınmış interpolyasiya üsulları.
Maşın Öyrənmə Alqoritmləri (MLA) daha böyük qeyri-xətti məlumat siniflərindən istifadə edən nisbətən yeni bir texnikadır, əsasən məlumatların çıxarılması, verilənlərdəki nümunələri müəyyən etmək üçün istifadə olunan alqoritmlərlə dəstəklənir və torpaqşünaslıq və qayıdış tapşırıqları kimi elmi sahələrdə təsnifatda dəfələrlə tətbiq olunur. Çoxsaylı tədqiqat sənədləri Tanil və digərlərində PTE-ni proqnozlaşdırmaq üçün MLA modellərinə əsaslanır. 22 (kənd təsərrüfatı torpaqlarında ağır metalların qiymətləndirilməsi üçün təsadüfi meşələr), Sakizadə və b. 23 (dəstək vektor maşınları və süni neyron şəbəkələrindən istifadə edərək modelləşdirmə) torpağın çirklənməsi ).Bundan əlavə, Vega et al. 24 (torpaqda ağır metalların tutulması və adsorbsiyasının modelləşdirilməsi üçün CART) Sun et al. 25 (kubist tətbiqi Cd-nin torpaqda paylanmasıdır) və k-ən yaxın qonşu, ümumiləşdirilmiş gücləndirilmiş reqressiya və gücləndirilmiş reqressiya kimi digər alqoritmlər Ağaclar da torpaqda PTE-ni proqnozlaşdırmaq üçün MLA-nı tətbiq etdilər.
DSM alqoritmlərinin proqnoz və ya xəritələşdirmədə tətbiqi bir sıra problemlərlə üzləşir. Bir çox müəlliflər MLA-nın geostatistikadan üstün olduğuna və əksinə olduğuna inanırlar. Biri digərindən daha yaxşı olsa da, ikisinin birləşməsi DSM15-də xəritəçəkmə və ya proqnozlaşdırmanın dəqiqlik səviyyəsini yaxşılaşdırır.Woodcock və Gopal26 Finke27; Pontius və Cheuk28 və Grunwald29 proqnozlaşdırılan torpağın xəritələşdirilməsində çatışmazlıqlar və bəzi səhvlər barədə şərh verirlər. Torpaq alimləri DSM xəritələşdirilməsinin və proqnozlaşdırılmasının effektivliyini, dəqiqliyini və proqnozlaşdırıla bilənliyini optimallaşdırmaq üçün müxtəlif üsulları sınamışlar. Qeyri-müəyyənlik və yoxlamanın birləşməsi DSM-ə inteqrasiya olunmuş və effektivliyi azaltmaq üçün müxtəlif aspektlərdən biridir. 15 xəritənin yaradılması və proqnozlaşdırılması ilə təqdim edilən qiymətləndirmə davranışı və qeyri-müəyyənliyin xəritə keyfiyyətini yaxşılaşdırmaq üçün müstəqil olaraq təsdiq edilməlidir. lakin DSM-də əminliyin olmaması bir çox səhv mənbələrindən, yəni kovariativ xəta, model xətası, yer xətası və analitik xəta 31-dən yarana bilər. MLA və geostatistik proseslərdə yaranan modelləşdirmə qeyri-dəqiqlikləri başa düşülməməsi ilə əlaqələndirilir və nəticədə real prosesin həddən artıq sadələşdirilməsinə gətirib çıxarır32. modelləşdirmə parametrləri, riyazi model proqnozları və ya interpolyasiya33. Bu yaxınlarda xəritəçəkmə və proqnozlaşdırmada geostatistikanın və MLA-nın inteqrasiyasını təşviq edən yeni DSM tendensiyası yaranmışdır. Sergeev və digərləri kimi bir neçə torpaqşünas və müəllif. 34; Subbotina və başqaları. 35; Tarasov və b. 36 və Tarasov və b. 37 proqnozlaşdırma və xəritələşdirmənin səmərəliliyini yaxşılaşdıran hibrid modellər yaratmaq üçün geostatistikanın dəqiq keyfiyyətindən və maşın öyrənməsindən istifadə etmişdir. Bu hibrid və ya birləşdirilmiş alqoritm modellərindən bəziləri Süni Sinir Şəbəkəsinin Kriqinqi (ANN-RK), Çoxlaylı Perseptron Qalıq Kriqinqi (MLP-RK), Ümumiləşdirilmiş Reqressiya Neyron Şəbəkəsinin Qalıq Kriqinqi (GR-NNRK)36, Süni Neyron Şəbəkəsinin Kriqinqi-Çoxlaylı Qavrayış və Coğrafi Neyron Şəbəkəsinin (MLP-7K) Prosesin reqressiyası38.
Sergeev və digərlərinin fikrincə, müxtəlif modelləşdirmə üsullarının birləşdirilməsi onun tək modelini inkişaf etdirməkdənsə, onun qüsurlarını aradan qaldırmaq və nəticədə yaranan hibrid modelin səmərəliliyini artırmaq potensialına malikdir. Bu kontekstdə, bu yeni məqalədə iddia olunur ki, bu kontekstdə geostatistika və MLA-nın birləşmiş alqoritmini tətbiq etmək lazımdır. Kriging (EBK) əsas model kimi və onu Dəstək Vektor Maşını (SVM) və Çox Xətti Reqressiya (MLR) modelləri ilə qarışdırın. EBK-nın hər hansı MLA ilə hibridləşməsi məlum deyil. Görünən çoxsaylı qarışıq modellər adi, qalıq, reqressiya kriginqinin birləşmələridir və MLA.EBK, geostatistik interpolyasiya prosesi kimi, spastik olaraq lokal interpolyasiya üsuludur. sahə üzrə müəyyən edilmiş lokalizasiya parametrlərinə malik qeyri-stasionar/stasionar təsadüfi sahə39.EBK müxtəlif tədqiqatlarda, o cümlədən təsərrüfat torpaqlarında üzvi karbonun paylanmasının təhlili40, torpağın çirklənməsinin qiymətləndirilməsi41 və torpaq xüsusiyyətlərinin xəritələşdirilməsi42 istifadə edilmişdir.
Digər tərəfdən, Self-Organizing Graph (SeOM) Li və digərləri kimi müxtəlif məqalələrdə tətbiq edilmiş öyrənmə alqoritmidir. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 və Kebonye et al.46 Elementlərin məkan atributlarını və qruplaşmasını müəyyən edin.Wang et al. 44 qeyd edir ki, SeOM qeyri-xətti problemləri qruplaşdırmaq və təsəvvür etmək bacarığı ilə tanınan güclü öyrənmə texnikasıdır. Əsas komponentlərin təhlili, qeyri-səlis klasterləşdirmə, iyerarxik klasterləşdirmə və çox kriteriyalı qərarların qəbulu kimi nümunənin tanınması üsullarından fərqli olaraq, SeOM PTE nümunələrinin təşkili və müəyyənləşdirilməsində daha yaxşıdır. 44-ə uyğun olaraq, SeOM əlaqəli neyronların paylanmasını məkan olaraq qruplaşdıra bilər və yüksək keyfiyyətli məlumatların vizuallaşdırılmasını təmin edə bilər. SeOM birbaşa şərh üçün nəticələri xarakterizə etmək üçün ən yaxşı modeli əldə etmək üçün Ni proqnozlaşdırma məlumatlarını vizuallaşdıracaq.
Bu sənəd şəhər və şəhərətrafı torpaqlarda nikel tərkibini proqnozlaşdırmaq üçün optimal dəqiqliyə malik möhkəm xəritəçəkmə modelini yaratmaq məqsədi daşıyır. Biz fərz edirik ki, qarışıq modelin etibarlılığı əsasən əsas modelə qoşulmuş digər modellərin təsirindən asılıdır. Biz DSM-nin üzləşdiyi problemləri qəbul edirik və bu problemlər MLA-nın bir çox cəbhələrində və geostat modellərinin birləşməsində həll edilir. artımlı olmaq; buna görə də, biz qarışıq modellər verə biləcək tədqiqat suallarına cavab verməyə çalışacağıq. Bununla belə, model hədəf elementi proqnozlaşdırmaqda nə dərəcədə dəqiqdir? Həmçinin, doğrulama və dəqiqliyin qiymətləndirilməsinə əsaslanan səmərəliliyin qiymətləndirilməsinin səviyyəsi nədir? Buna görə də, bu tədqiqatın xüsusi məqsədləri (a) SVMR və ya MLR modelini müqayisə edərək (a) modeldən istifadə edərək (a) SVMR və ya MLR üçün birləşmiş qarışıq modelini yaratmaq idi. şəhər və ya şəhərətrafı torpaqlarda Ni konsentrasiyalarını proqnozlaşdırmaq üçün ən yaxşı qarışıq modelini təklif etmək və (d) nikelin məkan dəyişməsinin yüksək ayırdetmə xəritəsini yaratmaq üçün SeOM tətbiqi.
Tədqiqat Çex Respublikasında, xüsusilə Moraviya-Sileziya bölgəsindəki Frydek Mistek rayonunda aparılır (Şəkil 1-ə baxın). Tədqiqat ərazisinin coğrafiyası çox sərtdir və əsasən Karpat dağlarının xarici kənarının bir hissəsi olan Moraviya-Silezyan Beskidy bölgəsinin bir hissəsidir. Tədqiqat sahəsi N°49′ ilə N°4′′ arasında yerləşir. 20′ 0′ E, hündürlüyü isə 225 ilə 327 m arasındadır; lakin, regionun iqlim vəziyyəti üçün Koppen təsnifat sistemi Cfb = mülayim okean iqlimi kimi qiymətləndirilir, hətta quraq aylarda da çoxlu yağıntılar olur. Temperaturlar il ərzində bir qədər −5 °C ilə 24 °C arasında dəyişir, nadir hallarda -14 °C-dən aşağı və ya 30 °C-dən yuxarı düşür, orta illik yağıntı isə 765 mm ilə 765 mm arasında dəyişir. bütün ərazinin təxmini tədqiqat sahəsi 1208 kvadrat kilometr, becərilən ərazinin 39,38%-i və meşə örtüyünün 49,36%-i təşkil edir. Digər tərəfdən, bu tədqiqatda istifadə olunan sahə təxminən 889,8 kvadrat kilometrdir. Ostrava və ətrafında polad sənayesi və metal emalı çox aktivdir. atmosfer korroziyasına qarşı müqavimət üçün) və ərinti poladları (nikel yaxşı çevikliyini və möhkəmliyini qoruyaraq ərintinin gücünü artırır) və fosfat gübrələrinin tətbiqi və heyvandarlıq məhsulları kimi intensiv kənd təsərrüfatı regionda nikelin potensial tədqiqat mənbələridir (məsələn, quzulara nikelin əlavə edilməsi və sənaye məhsullarının artım sürətini artırmaq üçün). tədqiqat sahələrinə onun elektrokaplamada, o cümlədən elektrokaplama nikel və elektriksiz nikel örtükləmə proseslərində istifadəsi daxildir. Torpağın xassələri torpağın rəngindən, strukturundan və karbonat tərkibindən asanlıqla fərqlənir. Torpağın teksturası orta və nazikdir, əsas materialdan əldə edilir. Onlar kollüvial, allüvial və ya aeol təbiətlidirlər. Bəzi torpaq sahələrində tez-tez səthi və betonla örtülmüş torpaqlar görünür. ağartma.Lakin, kambisollar və staqnozollar regionda ən çox yayılmış torpaq növləridir48. 455,1-dən 493,5 m-ə qədər hündürlüklə, Çexiyada kambisollar üstünlük təşkil edir49.
Tədqiqat ərazisinin xəritəsi [Tədqiqat ərazisinin xəritəsi ArcGIS Desktop (ESRI, Inc, versiya 10.7, URL: https://desktop.arcgis.com) istifadə edərək yaradılmışdır.]
Frydek Mistek rayonunda şəhər və şəhərətrafı torpaqlardan cəmi 115 üst qat nümunəsi əldə edilmişdir. İstifadə olunmuş nümunə nümunəsi 2 × 2 km məsafədə yerləşən torpaq nümunələri olan adi bir şəbəkə idi və üst qat 0-20 sm dərinlikdə əldə tutulan GPS cihazı (Leica Zenoamplespl etiketi ilə qablaşdırılıb, GPSS Zenoamples 5 paketində qablaşdırılıb) ölçüldü. Laboratoriyaya göndərildi. Nümunələr toz halına salınmış nümunələr hazırlamaq üçün havada qurudulmuş, mexaniki sistemlə toz halına salınmış (Fritsch diskli dəyirman) və ələkdən keçirilmişdir (ələk ölçüsü 2 mm). 1 qram qurudulmuş, homojenləşdirilmiş və ələklənmiş torpaq nümunələrini aydın şəkildə etiketlənmiş teflon butulkalara qoyun. Hər bir teflon qabda 5 ml3 ml3 və H % 65% HNO3 (avtomatik dispenserdən istifadə etməklə – hər turşu üçün bir), yüngülcə örtün və nümunələri reaksiya üçün bir gecədə dayanmasına icazə verin (aqua regia proqramı) . Nümunələrin həzm prosesini asanlaşdırmaq üçün supernatantı 2 saat ərzində (temperatur: 100 Vt və 160 °C) qoyun, sonra isə supernatantı soyudun5 ml5. 50 ml deionlaşdırılmış su ilə seyreltin. Bundan sonra, seyreltilmiş supernatantı deionlaşdırılmış su ilə 50 ml PVC boruya süzün. Bundan əlavə, 1 ml seyreltmə məhlulu 9 ml deionlaşdırılmış su ilə seyreltildi və PTE psevdo-konsentrasiyası üçün hazırlanmış 12 ml boruya süzüldü. Zn, Ca, Mg, K) standart metodlara və razılaşmaya əsasən ICP-OES (İnduktiv Qoşulmuş Plazma Optik Emissiya Spektroskopiyası) (Thermo Fisher Scientific, ABŞ) tərəfindən müəyyən edilmişdir. Keyfiyyətə Təminat və Nəzarət (QA/QC) prosedurlarını təmin edin (SRM NIST 2711a Montana II Torpaq). Bu işdə istifadə edilən PTE 0.0004 idi.(siz). Bundan əlavə, hər bir analiz üçün keyfiyyətə nəzarət və keyfiyyət təminatı prosesi istinad standartlarının təhlili ilə təmin edilir. Səhvlərin minimuma endirilməsini təmin etmək üçün ikiqat təhlil aparılmışdır.
Empirik Bayesian Kriqinq (EBK) torpaqşünaslıq kimi müxtəlif sahələrdə modelləşdirmədə istifadə edilən bir çox geostatistik interpolyasiya üsullarından biridir. Digər kriginq interpolyasiya üsullarından fərqli olaraq, EBK ənənəvi kriginq metodlarından semivarioqramma modeli ilə hesablanmış xətanı nəzərə almaqla fərqlənir. EBK interpolyasiyasında tək, yarımvarioqramlı interpolasiya zamanı bir neçə yarımvarioqramma modelləri var. semivariogram.İnterpolyasiya üsulları kifayət qədər kriqinq metodunun olduqca mürəkkəb hissəsini təşkil edən yarımvarioqramın bu planlaşdırılması ilə bağlı qeyri-müəyyənliyə və proqramlaşdırmaya yol açır. EBK-nın interpolyasiya prosesi Krivoruçko50 tərəfindən təklif olunan üç meyara əməl edir, (a) model yarımvarioqramı təxmin edir (a) hər bir giriş verilənlər dəsti üçün proqnozlaşdırılan məlumat dəstindən alınan hər bir məlumat dəsti üçün proqnozlaşdırılan dəyər əsasında semivarioqram və (c) yekun A modeli simulyasiya edilmiş verilənlər toplusundan hesablanır. Bayes tənliyi qaydası posterior olaraq verilir.
\(Prob\left(A\sağ)\) əvvəlkini təmsil etdiyi halda, \(Prob\left(B\sağ)\) marjinal ehtimal əksər hallarda nəzərə alınmır, \(Prob (B,A)\ ) . Yarımvarioqrammanın hesablanması Bayes qaydasına əsaslanır, bu da müşahidə məlumat dəstlərinin meylini göstərən Bayes qaydasına əsaslanır. Bayes qaydası, semivarioqramdan müşahidələr məlumat dəstini yaratmağın nə qədər mümkün olduğunu bildirir.
Dəstək vektor maşını eyni, lakin xətti müstəqil olmayan sinifləri ayırd etmək üçün optimal ayıran hipertəpə yaradan maşın öyrənmə alqoritmidir. Vapnik51 niyyət təsnifat alqoritmini yaratdı, lakin bu yaxınlarda reqressiya yönümlü problemləri həll etmək üçün istifadə edilmişdir. Li və digərlərinə görə, SVM SVM reqressiya sahəsində ən yaxşı istifadə edilən təsnifat texnikalarından biridir. (Support Vector Machine Regression – SVMR) bu təhlildə istifadə edilmişdir. Cherkassky və Mulier53 nüvə əsaslı reqressiya kimi SVMR-yə öncülük etmişlər, onun hesablanması çoxölkəli məkan funksiyaları ilə xətti reqressiya modelindən istifadə etməklə həyata keçirilmişdir. John və digərləri54 bildirirlər ki, SVMR modelləşdirməsi qeyri-xətti hiperplanlar üçün reqressiya əlaqələri yaradan və xətlər yaratmağa imkan verir. funksiyaları.Vohland və başqalarına görə. 55, epsilon (ε)-SVMR, korrelyasiya edilmiş verilənlər üzərində təlimdən ən yaxşı epsilon meyli ilə məlumatları müstəqil şəkildə xəritələmək üçün tətbiq olunan epsilon-həssas olmayan funksiya kimi təqdimat modelini əldə etmək üçün öyrədilmiş verilənlər toplusundan istifadə edir. Əvvəlcədən təyin edilmiş məsafə xətası faktiki dəyərdən nəzərə alınmır və xəta ε(ε)-dən böyükdürsə, torpaq məlumatlarının kompleks xüsusiyyətlərini komplektləşdirir. dəstək vektorlarının daha geniş alt çoxluğu. Vapnik51 tərəfindən təklif olunan tənlik aşağıda göstərilmişdir.
burada b skalyar həddi, \(K\left({x}_{,}{ x}_{k}\right)\) ləpə funksiyasını, \(\alpha\) Laqrange çarpanını, N rəqəmsal verilənlər toplusunu, \({x}_{k}\) verilənlərin girişini və istifadə olunan verilənlərin \(O) çıxışını təmsil edir. Qauss radial əsas funksiyası (RBF) olan SVMR əməliyyatı. RBF nüvəsi PTE təlim məlumatları üçün ən incə cəza dəsti amili C və nüvə parametr qamması (γ) əldə etmək üçün vacib olan optimal SVMR modelini müəyyən etmək üçün tətbiq edilir. Əvvəlcə biz təlim dəstini qiymətləndirdik və sonra model performansını sınaqdan keçirdik. svmRadial.
Çox xətti reqressiya modeli (MLR) ən kiçik kvadratlar metodu ilə hesablanmış xətti birləşdirilmiş parametrlərdən istifadə etməklə cavab dəyişəni ilə bir sıra proqnozlaşdırıcı dəyişənlər arasındakı əlaqəni təmsil edən reqressiya modelidir. MLR-də ən kiçik kvadratlar modeli izahlı dəyişənlərin seçilməsindən sonra torpaq xüsusiyyətlərinin proqnozlaşdırıcı funksiyasıdır. izahlı dəyişənlərlə xətti əlaqə qurmaq üçün dəyişən. MLR tənliyi
burada y cavab dəyişəni, \(a\) kəsişmə, n proqnozlaşdırıcıların sayı, \({b}_{1}\) əmsalların qismən reqressiyası, \({x}_{ i}\) proqnozlaşdırıcı və ya izahedici dəyişəni, \({\varepsilon }_{i}\) modeldə məlum olan xətanı da təmsil edir.
Qarışıq modellər EBK-nın SVMR və MLR ilə sendviçlənməsi yolu ilə əldə edilmişdir. Bu, EBK interpolyasiyasından proqnozlaşdırılan dəyərlərin çıxarılması yolu ilə həyata keçirilir. İnterpolyasiya edilmiş Ca, K və Mg-dən alınan proqnozlaşdırılan dəyərlər CaK, CaMg və CaMg kimi yeni dəyişənlərin əldə edilməsi üçün kombinatorial proses vasitəsilə əldə edilir, sonra dördüncü a M elementi əldə edilir. dəyişən, CaKMg. Ümumilikdə, əldə edilən dəyişənlər Ca, K, Mg, CaK, CaMg, KMg və CaKMg-dir. Bu dəyişənlər bizim proqnozlaşdırıcılarımız oldu və şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyalarını proqnozlaşdırmağa kömək etdi. SVMR alqoritmi qarışıq modellər əldə etmək üçün proqnozlaşdırıcılarda yerinə yetirildi. (EBK_SVM). Eynilə, qarışıq model Empirik Bayesian Kriqinq-Çoxlu Xətti Reqressiya (EBK_MLR) əldə etmək üçün dəyişənlər də MLR alqoritmi vasitəsilə ötürülür. Tipik olaraq, Ca, K, Mg, CaK, CaMg, KMg və CaKMg dəyişənləri şəhər ətrafı və kovariantların proqnozlaşdırıcıları kimi istifadə olunur. torpaqlar. Əldə edilmiş ən məqbul model (EBK_SVM və ya EBK_MLR) daha sonra özünü təşkil edən qrafikdən istifadə etməklə vizuallaşdırılacaq. Bu tədqiqatın iş prosesi Şəkil 2-də göstərilmişdir.
SeOM-dan istifadə maliyyə sektorunda, səhiyyədə, sənayedə, statistikada, torpaqşünaslıqda və sairdə məlumatların təşkili, qiymətləndirilməsi və proqnozlaşdırılması üçün məşhur alətə çevrilmişdir.SeOM təşkili, qiymətləndirilməsi və proqnozlaşdırılması üçün süni neyron şəbəkələri və nəzarətsiz öyrənmə metodlarından istifadə etməklə yaradılmışdır. SeOM qiymətləndirməsində n giriş-ölçülü vektor dəyişənləri kimi istifadə olunur43,56.Melssen et al. 57 giriş vektorunun neyron şəbəkəsinə tək giriş qatı vasitəsilə tək çəki vektoru olan çıxış vektoruna qoşulmasını təsvir edir. SeOM tərəfindən yaradılan çıxış, yaxınlıqlarına görə altıbucaqlı, dairəvi və ya kvadrat topoloji xəritələrə toxunmuş müxtəlif neyronlardan və ya qovşaqlardan ibarət iki ölçülü xəritədir. Xəritə ölçülərinin (metrik, kəmiyyətləşdirmə modeli ilə (SeQ, xəta modeli) və xəta OME ilə müqayisəsi) 55 xəritə vahidi (5 × 11) olan müvafiq olaraq 0,086 və 0,904 seçilir. Neyron strukturu empirik tənlikdəki qovşaqların sayına görə müəyyən edilir.
Bu tədqiqatda istifadə edilən məlumatların sayı 115 nümunədir. Verilənləri test məlumatlarına (təsdiq üçün 25%) və təlim məlumat dəstlərinə (kalibrləmə üçün 75%) bölmək üçün təsadüfi bir yanaşma istifadə edilmişdir. Təlim məlumat dəsti reqressiya modelini (kalibrləmə) yaratmaq üçün istifadə olunur və test məlumat dəsti ümumiləşdirmə qabiliyyətini yoxlamaq üçün istifadə olunur58. Bu, müxtəlif modellərin məzmununun proqnozlaşdırılması üçün uyğunluğunu qiymətləndirmək üçün edilib. İstifadə olunanlar beş dəfə təkrarlanan on qat çarpaz doğrulama prosesindən keçdi. EBK interpolyasiyası ilə yaradılan dəyişənlər hədəf dəyişənini (PTE) proqnozlaşdırmaq üçün proqnozlaşdırıcılar və ya izahedici dəyişənlər kimi istifadə olunur. Modelləşdirmə RStudio-da kitabxana(Kohonen), library(karet), library(modelr), library(“e107),”s“ol” kitabxana paketlərindən istifadə etməklə idarə olunur. kitabxana (“prospectr”) və kitabxanalar (“Metriklər”).
Torpaqdakı nikel konsentrasiyalarını proqnozlaşdırmaq üçün uyğun olan ən yaxşı modeli müəyyən etmək və modelin düzgünlüyünü və onun təsdiqini qiymətləndirmək üçün müxtəlif qiymətləndirmə parametrlərindən istifadə edilmişdir. Hibridləşmə modelləri orta mütləq xəta (MAE), kök orta kvadrat xətası (RMSE) və R-kvadrat və ya əmsalın təyini (R2) ilə qiymətləndirilmişdir. model.RMSE və müstəqil ölçülərdə dispersiya miqyası modelin proqnozlaşdırıcı gücünü təsvir edir, MAE isə faktiki kəmiyyət dəyərini müəyyən edir. Validasiya parametrlərindən istifadə edərək ən yaxşı qarışıq modelini qiymətləndirmək üçün R2 dəyəri yüksək olmalıdır, dəyər 1-ə nə qədər yaxındırsa, dəqiqlik bir o qədər yüksəkdir.Li və digərlərinə görə. 59, 0,75 və ya daha çox olan R2 meyar dəyəri yaxşı proqnozlaşdırıcı hesab olunur; 0,5-dən 0,75-ə qədər məqbul model performansı, 0,5-dən aşağı olması isə qəbuledilməz model performansıdır. RMSE və MAE qiymətləndirmə meyarlarının qiymətləndirmə metodlarından istifadə edərək modeli seçərkən əldə edilən aşağı qiymətlər kifayət idi və ən yaxşı seçim hesab olunurdu. Aşağıdakı tənlik yoxlama metodunu təsvir edir.
burada n müşahidə edilən dəyərin ölçüsünü təmsil edir\({Y}_{i}\) ölçülmüş cavabı, \({\widehat{Y}}_{i}\) də proqnozlaşdırılan cavab dəyərini təmsil edir, buna görə də ilk i müşahidələri üçün.
Proqnozedici və cavab dəyişənlərinin statistik təsvirləri Cədvəl 1-də orta, standart kənarlaşma (SD), variasiya əmsalı (CV), minimum, maksimum, kurtozis və əyriliyi göstərir. Elementlərin minimum və maksimum dəyərləri azalan ardıcıllıqla Mg
Proqnozedici dəyişənlərin cavab elementləri ilə korrelyasiyası elementlər arasında qənaətbəxş korrelyasiya olduğunu göstərdi (bax Şəkil 3). Korrelyasiya CaK-nın CaNi kimi r dəyəri = 0.53 ilə orta korrelyasiya nümayiş etdirdiyini göstərdi. Ca və K bir-biri ilə təvazökar assosiasiyalar göstərsə də, Kingston et al. 68 və Santo69 onların torpaqdakı səviyyələrinin tərs mütənasib olduğunu göstərir. Bununla belə, Ca və Mg K ilə antaqonistdir, lakin CaK yaxşı korrelyasiya edir. Bu, kaliumda 56% daha yüksək olan kalium karbonat kimi gübrələrin tətbiqi ilə əlaqədar ola bilər. Kalium orta dərəcədə maqneziumla əlaqələndirilirdi. elementləri bir-biri ilə sıx bağlıdır, çünki kalium maqnezium sulfat, kalium maqnezium nitrat və kalium çatışmazlıq səviyyələrini artırmaq üçün torpağa tətbiq olunur. Nikel Ca, K və Mg ilə orta dərəcədə korrelyasiya edilir, müvafiq olaraq r = 0,52, 0,63 və 0,55. mürəkkəbdir, lakin buna baxmayaraq, maqnezium kalsiumun udulmasını maneə törədir, kalsium artıq maqneziumun təsirini azaldır və həm maqnezium, həm də kalsium nikelin torpaqda toksik təsirini azaldır.
Proqnozedicilər və cavablar arasında əlaqəni göstərən elementlər üçün korrelyasiya matrisi (Qeyd: bu rəqəm elementlər arasında səpələnmə qrafikini ehtiva edir, əhəmiyyət səviyyələri p < 0,001-ə əsaslanır).
Şəkil 4 elementlərin məkan paylanmasını göstərir. Burgos və digərlərinə70 görə, məkan paylanmasının tətbiqi çirklənmiş ərazilərdə qaynar nöqtələrin kəmiyyətini müəyyənləşdirmək və vurğulamaq üçün istifadə edilən bir texnikadır. Şəkil 4-də Ca zənginləşmə səviyyələri məkan paylama xəritəsinin şimal-qərb hissəsində görünə bilər. Şəkil şimal potunun orta və yüksək səviyyədə zənginləşməsini göstərir. Xəritə, çox güman ki, torpağın turşuluğunu azaltmaq üçün sönməmiş əhəngdən (kalsium oksidi) istifadə edilməsi və polad dəyirmanlarında poladqayırma prosesində qələvi oksigen kimi istifadəsi ilə əlaqədardır. Digər tərəfdən, digər fermerlər pH-ı neytrallaşdırmaq üçün turşu torpaqlarda kalsium hidroksiddən istifadə etməyə üstünlük verirlər ki, bu da torpağın kalsiumunu artırır. Şimal-qərb əsas kənd təsərrüfatı icmasıdır və kaliumun orta-yüksək nümunəsi NPK və kalium tətbiqləri ilə bağlı ola bilər. Bu, Madaras və Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75 kimi digər tədqiqatlarla uyğun gəlir. Paylanma xəritəsinin şimal-qərbində məkan Kalium zənginləşdirilməsi yoxsul torpaqların kalium tərkibini artırmaq üçün kalium xlorid, kalium sulfat, kalium nitrat, kalium və kalium kimi kalium əsaslı gübrələrin istifadəsi ilə əlaqədar ola bilər.Zádorová et al. 76 və Tlustoš et al. 77 qeyd etdi ki, K əsaslı gübrələrin tətbiqi torpaqda K tərkibini artırdı və uzun müddətdə torpağın qidalı tərkibini əhəmiyyətli dərəcədə artıracaq, xüsusən də K və Mg torpaqda qaynar nöqtəni göstərir. Xəritənin şimal-qərbində və xəritənin cənub-şərqində nisbətən mülayim qaynar nöqtələr. Torpaqda koloidal fiksasiya torpaqda maqnezium konsentrasiyasının azaldılmasına səbəb olur. sarımtıl damararası xloroz nümayiş etdirir. Kalium maqnezium sulfat, maqnezium sulfat və Kieserit kimi maqnezium əsaslı gübrələr normal pH diapazonu olan torpaqlarda çatışmazlıqları (bitkilər bənövşəyi, qırmızı və ya qəhvəyi görünür, maqnezium çatışmazlığını göstərir) müalicə edir6. kənd təsərrüfatı kimi antropogen fəaliyyətlər və paslanmayan polad istehsalında nikelin əhəmiyyəti78.
Elementlərin məkan paylanması [məkan paylama xəritəsi ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) istifadə edərək yaradılmışdır.]
Bu tədqiqatda istifadə olunan elementlər üçün model performans indeksinin nəticələri Cədvəl 2-də göstərilmişdir. Digər tərəfdən, Ni-nin RMSE və MAE hər ikisi sıfıra yaxındır (0.86 RMSE, -0.08 MAE). Digər tərəfdən, K-nin həm RMSE, həm də MAE dəyərləri məqbuldur. RMSE və MAE nəticələri kalsium və KCSEr və böyük maqnitlərə görə fərqlidir. datasets. Ni proqnozlaşdırmaq üçün EBK istifadə edərək bu işin RMSE və MAE John et al nəticələrindən daha yaxşı olduğu aşkar edilmişdir. 54 Eyni toplanmış məlumatlardan istifadə edərək torpaqda S konsentrasiyalarını proqnozlaşdırmaq üçün sinerji kriginqdən istifadə etməklə. Bizim tədqiq etdiyimiz EBK nəticələri Fabijaczyk və digərlərinin nəticələri ilə əlaqələndirilir. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 və John et al. 82, xüsusilə K və Ni.
Şəhər və şəhərətrafı torpaqlarda nikel tərkibinin proqnozlaşdırılması üçün fərdi metodların performansı modellərin performansından istifadə etməklə qiymətləndirilmişdir (Cədvəl 3). Modelin yoxlanılması və dəqiqliyin qiymətləndirilməsi Ca_Mg_K proqnozlaşdırıcısının EBK SVMR modeli ilə birlikdə ən yaxşı performansı verdiyini təsdiqlədi. Kalibrləmə modeli (CA_RM2, orta kök səhvi) və REBK_SESV_K orta kvadrat modeli. Mütləq səhv (MAE) 0,637 (R2), 95,479 mq/kq (RMSE) və 77,368 mq/kq (MAE) Ca_Mg_K-SVMR 0,663 (R2), 235,974 mq/kq (RMSE) və 166,946 mq/kq (MAE2) üçün bir yaxşı dəyər əldə etmişdir. Ca_Mg_K-SVMR (0.663 mg/kq R2) və Ca_Mg-EBK_SVMR (0.643 = R2); onların RMSE və MAE nəticələri Ca_Mg_K-EBK_SVMR (R2 0.637) üçün olandan yüksək idi (Cədvəl 3-ə baxın). Bundan əlavə, Ca_Mg-EBK_SVMR (RMSE = 1664.64 və MAE = 1031.49) modelinin RMSE və MAE göstəriciləri müvafiq olaraq 17 və 17-dən böyükdür. Ca_Mg_K-EBK_SVMR. Eyni şəkildə, Ca_Mg-K SVMR (RMSE = 235.974 və MAE = 166.946) modelinin RMSE və MAE, Ca_Mg_K-EBK_SVMR ilə müqayisədə 2.5 və 2.2 böyükdür. Ən yaxşı uyğunluq xətti. Daha yüksək RSME və MAE müşahidə edilmişdir. Kebonye et al. 46 və John et al. 54, RMSE və MAE sıfıra nə qədər yaxın olarsa, nəticələr bir o qədər yaxşı olar. SVMR və EBK_SVMR daha yüksək kvantlaşdırılmış RSME və MAE dəyərlərinə malikdir. Müşahidə olundu ki, RSME təxminlərinin ardıcıl olaraq MAE dəyərlərindən yüksək olub, kənar göstəricilərin mövcudluğunu göstərir. Legates və McCabebeyin fikrincə, bu, mütləq ERMSE-ni aşır83, səhv deməkdir. kənar göstəricilərin mövcudluğunun göstəricisi kimi tövsiyə edilir. Bu o deməkdir ki, verilənlər bazası nə qədər heterojendirsə, MAE və RMSE qiymətləri bir o qədər yüksəkdir. Şəhər və şəhərətrafı torpaqlarda Ni tərkibinin proqnozlaşdırılması üçün Ca_Mg_K-EBK_SVMR qarışıq modelinin çarpaz-validasiya qiymətləndirməsinin dəqiqliyi 63,70% təşkil etmişdir. Li et al. 59, bu dəqiqlik səviyyəsi məqbul bir model performans dərəcəsidir. Hazırkı nəticələr Tarasov və digərlərinin əvvəlki tədqiqatı ilə müqayisə edilmişdir. Cari tədqiqatda bildirilmiş EBK_SVMR dəqiqlik qiymətləndirmə indeksi ilə bağlı hibrid modeli MLPRK (Çoxlaylı Qavrama Qalıq Krigingi) yaradan RMSE (210) və MAE (167.5) cari tədqiqatdakı nəticələrimizdən (RMSE 95.479, MAE68-ə uyğun olaraq) daha yüksək idi. cari tədqiqat (0,637) ilə Tarasov et al. 36 (0,544), aydındır ki, bu qarışıq modeldə təyinetmə əmsalı (R2) daha yüksəkdir. Qarışıq model üçün səhv həddi (RMSE və MAE) (EBK SVMR) iki dəfə azdır. 0,637 (R2).Bu modelin proqnozlaşdırma dəqiqliyi səviyyəsi (EBK SVMR) 63,7%, Sergeev et al. 34 28% təşkil edir. EBK_SVMR modelindən və proqnozlaşdırıcı kimi Ca_Mg_K-dan istifadə etməklə yaradılmış yekun xəritə (Şəkil. 5) bütün tədqiqat sahəsi üzrə isti nöqtələr və orta və ya nikelin proqnozlarını göstərir. Bu o deməkdir ki, tədqiq olunan ərazidə nikelin konsentrasiyası əsasən mülayimdir, bəzi xüsusi sahələrdə daha yüksək konsentrasiyalar var.
Son proqnoz xəritəsi EBK_SVMR hibrid modelindən istifadə etməklə və proqnozlaşdırıcı kimi Ca_Mg_K istifadə etməklə təqdim olunur.[Məkan paylama xəritəsi RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edərək yaradılmışdır.]
Şəkil 6-da fərdi neyronlardan ibarət kompozisiya müstəvisi kimi PTE konsentrasiyaları təqdim olunur. Komponent müstəvilərinin heç biri göstərildiyi kimi eyni rəng modelini nümayiş etdirmir. Bununla belə, hər çəkilmiş xəritəyə uyğun neyron sayı 55-dir. SeOM müxtəlif rənglərdən istifadə etməklə istehsal olunur və rəng nümunələri nə qədər oxşardırsa, nümunələrin xassələri bir o qədər müqayisə edilə bilər. Mg) tək yüksək neyronlara və ən aşağı neyronlara oxşar rəng nümunələri göstərdi. Beləliklə, CaK və CaMg çox yüksək səviyyəli neyronlar və aşağı-orta rəng nümunələri ilə bəzi oxşarlıqları bölüşür. Hər iki model qırmızı, narıncı və sarı kimi orta və yüksək rəng çalarlarını göstərməklə torpaqda Ni konsentrasiyasını proqnozlaşdırır. aşağıdan yuxarıya doğru dəqiq rəng şkalası, modelin komponentlərinin müstəvi paylanma nümunəsi torpaqda nikelin potensial konsentrasiyasını göstərən yüksək rəng nümunəsi göstərdi (Şəkil 4-ə baxın). CakMg modelinin komponent müstəvisi dəqiq rəng miqyasına uyğun olaraq aşağıdan yuxarıya doğru müxtəlif rəng modelini göstərir. Bundan əlavə, modelin nikel məzmunu ilə bağlı proqnozu oxşardır (C-də nikelin paylanması) oxşardır 5.Hər iki qrafik şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyalarının yüksək, orta və aşağı nisbətlərini göstərir. Şəkil 7 hər bir modeldə proqnozlaşdırılan dəyər əsasında üç klasterə bölünmüş xəritədə k-vasitələri qruplaşdırmasında kontur metodunu təsvir edir. Kontur metodu çoxluqların optimal sayını təmsil edir. nümunələr, 74. Klaster 2 33 nümunə, klaster 3 isə 8 nümunə qəbul edib. Yeddi komponentli planar proqnozlaşdırıcı kombinasiya düzgün klaster şərhinə imkan vermək üçün sadələşdirilib. Torpaq əmələ gəlməsinə təsir edən çoxsaylı antropogen və təbii proseslər səbəbindən paylanmış SeOM xəritəsində düzgün diferensiallaşdırılmış klaster nümunələrinə malik olmaq çətindir.
Hər Empirik Bayesian Kriqinq Dəstəyi Vektor Maşını (EBK_SVM_SeOM) dəyişəni tərəfindən komponent müstəvisi çıxışı.[SeOM xəritələri RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edərək yaradılmışdır.]
Müxtəlif klaster təsnifat komponentləri [SeOM xəritələri RStudio istifadə edərək yaradılmışdır (versiya 1.4.1717: https://www.rstudio.com/).]
Cari tədqiqat şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyaları üçün modelləşdirmə üsullarını aydın şəkildə göstərir. Tədqiqat torpaqda nikel konsentrasiyalarını proqnozlaşdırmağın ən yaxşı yolunu əldə etmək üçün elementləri modelləşdirmə üsulları ilə birləşdirərək müxtəlif modelləşdirmə üsullarını sınaqdan keçirdi. Modelləşdirmə texnikasının SeOM kompozisiya planar məkan xüsusiyyətləri yüksək rəng nümunəsi nümayiş etdirdi. məkan paylama xəritəsi EBK_SVMR tərəfindən nümayiş etdirilən komponentlərin planar məkan paylanmasını təsdiq edir (Şəkil 5-ə baxın). Nəticələr göstərir ki, dəstək vektor maşını reqressiya modeli (Ca Mg K-SVMR) torpaqda Ni-nin konsentrasiyasını vahid model kimi proqnozlaşdırır, lakin qiymətləndirmə və dəqiqliyin qiymətləndirilməsi parametrləri RMSE-də istifadə olunan digər texnika və MAE-də istifadə olunan texnika baxımından çox yüksək səhvlər göstərir. EBK_MLR modeli də müəyyənetmə əmsalının (R2) aşağı dəyərinə görə qüsurludur. EBK SVMR və 63,7% dəqiqliklə aşağı RMSE və MAE xətaları ilə birləşdirilmiş elementlərdən (CaKMg) istifadə etməklə yaxşı nəticələr əldə edilmişdir. Məlum oldu ki, EBK alqoritmini maşın öyrənmə alqoritmi ilə birləşdirmək alqoritmi yarada bilər. torpaqda PTE-lərin konsentrasiyasını proqnozlaşdıra bilər. Nəticələr göstərir ki, Ca Mg K-dan tədqiq olunan ərazidə Ni konsentrasiyalarını proqnozlaşdırmaq üçün proqnozlaşdırıcı kimi istifadə etmək torpaqlarda Ni-nin proqnozunu yaxşılaşdıra bilər. Bu o deməkdir ki, nikel əsaslı gübrələrin davamlı tətbiqi və polad sənayesi tərəfindən torpağın sənaye ilə çirklənməsi nikelin konsentrasiyasını artırmağa meyllidir. şəhər və ya şəhərətrafı torpaqlarda torpağın məkan paylanması modelinin. Ümumiyyətlə, biz torpaqda PTE-nin qiymətləndirilməsi və proqnozlaşdırılması üçün EBK-SVMR modelini tətbiq etməyi təklif edirik; əlavə olaraq, biz müxtəlif maşın öyrənmə alqoritmləri ilə hibridləşdirmək üçün EBK-dan istifadə etməyi təklif edirik. Ni konsentrasiyaları elementlərdən kovariatlar kimi istifadə edilməklə proqnozlaşdırılıb; lakin daha çox kovariativlərdən istifadə modelin performansını xeyli yaxşılaşdıracaqdı ki, bu da cari işin məhdudiyyəti sayıla bilər.Bu tədqiqatın digər məhdudiyyəti verilənlər dəstlərinin sayının 115 olmasıdır.Ona görə də, daha çox məlumat verilərsə, təklif olunan optimallaşdırılmış hibridləşdirmə metodunun performansını yaxşılaşdırmaq olar.
PlantProbs.net.Nikel in Plants and Soil https://plantprobs.net/plant/nutrientImbalances/sodium.html (Çıxış tarixi 28 aprel 2021-ci il).
Kasprzak, KS Nikel müasir ekoloji toksikologiyada irəliləyişlər.ətraf.toksikologiya.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nikel: Onun mənbələri və ətraf mühitin toksikologiyasına baxış. Polyak J. Environment.Stud.15, 375-382 (2006).
Freedman, B. & Hutchinson, TC Atmosferdən çirkləndiricilərin daxil olması və Sadberi, Ontario, Kanadada nikel-mis əritmə zavodunun yaxınlığında torpaq və bitki örtüyündə toplanması.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Torpaqdakı ağır metallar, bitkilər və Botsvanada Selebi-Phikwe mis-nikel mədəninin yaxınlığında gövşəyən heyvanların otarılması ilə bağlı risklər.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-x018 (021-0201).
Cabata-Pendias.Kabata-Pendias A. 2011. Torpaqda iz elementləri və… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Torpaqlardakı+və+bitkilərdəki elementlər.+4-cü+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (Çıxış tarixi 24 Noyabr 2020).
Almås, A., Singh, B., Agriculture, TS-NJ of & 1995, undefined. Rus nikel sənayesinin Soer-Varanger, Norveçdə kənd təsərrüfatı torpaqlarında və otlarda ağır metal konsentrasiyalarına təsiri.agris.fao.org.
Nielsen, GD et al.Nikelin udulması və içməli suda saxlanması qida qəbulu və nikel həssaslığı.toksikologiya.application.Farmakodinamika.154, 67-75 (1999) ilə əlaqədardır.
Costa, M. & Klein, CB Nikel kanserogenezi, mutasiya, epigenetika və ya seçim.ətrafı.Health Perspective.107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, NM; Potensial zəhərli elementlərin trend təhlili: bibliometrik icmal. Environmental Geokimya və Sağlamlıq.Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Digital Soil Mapping: A Brief History and Some Lessons.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. On digital soil mapping.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistik Rezervuar Modelləşdirilməsi,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Rezervuar+Modelləşdirmə%2C +Oxford+University+Press%2C+376+səhifə.+&btnG= (28 aprel 2021-ci ildə əldə edilib).
Göndərmə vaxtı: 22 iyul 2022-ci il
