南方科技大学知识苑(SUSTech KC): 基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究

题名	基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究
其他题名	CHARACTERISTICS ANALYSIS AND ZONING CONTROL OF GROUNDWATER POLLUTION BASED ON SELF-ORGANIZING MAPS AND K-MEANS
作者	黄燕鹏 1 ; 汪远昊 ; 王超 3 ; 刘伟江 ; 王宏3 ; 吕广丰 ; 林斯杰 ; 胡清3
发表日期	2022
DOI	10.13205/j.hjgc.202206004
发表期刊	环境工程影响因子和分区
ISSN	1000-8942
卷号	40 期号:6页码:31-41,47
摘要	该研究基于自组织神经网络(SOM)和K-means方法,以华中地区某铬渣污染场地为研究对象,探讨了 SOM+K-means方法应用于场地地下水污染分区管控的可能性.通过监测数据的描述性统计分析场地地下水污染特征,发现Cr(Ⅵ)、CODMn、SO42-、TDS、NO3-、NH3-N、Mn为研究区的主要污染物.基于SOM+K-means分析挖掘,并基于空间插值方法,将研究区地下水分为4类区域,并识别出每类区域需重点关注的污染指标.结果显示:类别Ⅰ需关注NO3-;类别Ⅱ需关注Cr(Ⅵ)、CODMn、NO3、TDS、NH3-N;类别Ⅲ需关注SO42-;类别Ⅳ需关注Mn.该方法可较好地应用于地下水污染分区管控,对场地地下水污染防治具有指导意义.
关键词	机器学习自组织神经网络 K-means 地下水污染分区管控
相关链接	[万方记录]
语种	中文
学校署名	第一
资助项目	国家重点研发计划
来源库	WanFang
万方记录号	hjgc202206005
引用统计	被引频次[WOS]：0
成果类型	期刊论文
条目标识符	http://sustech.caswiz.com/handle/2SGJ60CL/411602
专题	工学院_环境科学与工程学院
作者单位	1.哈尔滨工业大学环境学院,哈尔滨150090;南方科技大学环境科学与工程学院,广东深圳518055 2.南科大工程技术创新中心(北京),北京100083 3.南方科技大学环境科学与工程学院,广东深圳518055;南科大工程技术创新中心(北京),北京100083 4.生态环境部土壤与农业农村生态环境监管技术中心,北京100012
第一作者单位	环境科学与工程学院
第一作者的第一单位	环境科学与工程学院
推荐引用方式 GB/T 7714	黄燕鹏,汪远昊,王超,等. 基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究[J]. 环境工程,2022,40(6):31-41,47.
APA	黄燕鹏.,汪远昊.,王超.,刘伟江.,王宏.,...&胡清.(2022).基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究.环境工程,40(6),31-41,47.
MLA	黄燕鹏,et al."基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究".环境工程 40.6(2022):31-41,47.