买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏省环境科学研究院

摘要：本发明属于污染场地的治理领域，公开了一种基于机器学习的污染场地调查布点的方法，能够更准确、更高效地获取污染场地调查布点。该方法包括：收集待调查的整个地块的资料信息，从整个地块中筛选出一个重点局部区域；对所述重点局部区域和地块背景区域开展地球物理探测工作，识别重点局部区域的初选探测点位；对所述重点局部区域的初选探测点位进行膜界面探测，获取重点局部区域的布点采样点位；在布点采样点位，进行钻孔获取样本，获得特征污染物的实测浓度值；训练并获取整个地块特征污染物浓度的卷积神经网络模型；将收集的整个地块的地层及水文地质信息，输入卷积神经网络模型，获取整个地块的终选采样点位分布及深度信息。

主权项：1.一种基于机器学习的污染场地调查布点的方法，其特征在于，该方法包括：步骤10、收集待调查的整个地块的资料信息，获取所述地块的特征污染物、地块背景区域，以及从整个地块中筛选出一个重点局部区域；所述资料信息包括地层条件及水文地质信息；步骤20、对所述重点局部区域和地块背景区域开展地球物理探测工作，识别并圈定重点局部区域的初选探测点位；步骤30、对所述重点局部区域的初选探测点位进行膜界面探测，耦合气相色谱质谱联用仪，获取重点局部区域的布点采样点位，以及对应的采样深度；步骤40、在所述重点局部区域的布点采样点位，进行钻孔获取样本，并对所述样本进行实验室检测，获得特征污染物的实测浓度值；步骤50、根据所述步骤10和步骤40，训练并获取整个地块特征污染物浓度的卷积神经网络模型；步骤60、将步骤10收集的整个地块的地层条件及水文地质信息，输入整个地块特征污染物浓度的卷积神经网络模型，获取整个地块的终选采样点位分布及深度信息；所述步骤20包括：对所述地块背景区域和重点局部区域分别进行全覆盖无损扫描探测，获取地块背景区域的视电导率信号值和重点局部区域的视电导率信号值；根据重点局部区域的视电导率信号值与地块背景区域的视电导率信号值之间的差异，获取视电导率阈值；将重点局部区域的视电导率信号值大于视电导率阈值的点位作为重点局部区域的初选探测点位；所述步骤30包括：利用光离子化检测器对所述重点局部区域的初选探测点位进行膜界面探测，得到各个初选探测点位的PID电信号值；利用火焰离子化检测器对所述重点局部区域的初选探测点位进行膜界面探测，得到各个初选探测点位的FID电信号值；利用电子捕获检测器对所述重点局部区域的初选探测点位进行膜界面探测，得到各个初选探测点位的ECD电信号值；现场将电信号值输入气相色谱质谱联用仪,得到具体污染物的电信号数值；根据所述重点局部区域的初选探测点位的PID电信号值、FID电信号值和ECD电信号值，以及气相色谱质谱联用仪的识别结果，获取重点局部区域的布点采样点位、污染因子以及采样深度；所述步骤50包括：步骤501、设置多目标优化模型，构建重点局部区域的特征污染物的现场辅助电信号数据与实验室实测浓度值之间量化关系，如式1和式2所示： 其中，J1表示在重点局部区域，特征污染物现场辅助电信号数据与实验室实测浓度值之间的均方根误差；J2表示在重点局部区域，特征污染物现场辅助电信号数据与实验室实测浓度值之间的平均绝对误差；n表示重点局部区域的土壤采样样本总数；yi表示第i个样本对应的特征污染物的实验室实测浓度；xi表示第i个样本在污染场地现场膜界面探测实施获取的PID电信号值；xi′表示第i个样本在污染场地现场膜界面探测实施获取的FID电信号值；x″i表示第i个样本在污染场地现场膜界面探测实施获取的ECD电信号值；a0、a1、a2、a3、…、an、b0、b1、b2、b3、…、bn、c0、c1、c2、c3、…、cn分别表示多目标优化模型的参数；步骤502、通过步骤501计算重点局部区域的布点采样点位的特征污染物实测浓度值；步骤503、将步骤502计算的特征污染物实测浓度值，与所对应的布点采样点位的地层条件及水文地质信息，输入卷积神经网络模型，对卷积神经网络模型进行训练，获得整个地块的特征污染物浓度的卷积神经网络模型；所述步骤60包括：步骤601将整个地块不同位置的地层条件及水文地质信息，输入整个地块特征污染物浓度的卷积神经网络模型中，获取各位置的特征污染物潜在浓度值；步骤602将所述各位置的特征污染物潜在浓度值与污染阈值比较，将大于污染阈值的特征污染物潜在浓度值所对应的位置作为终选采样点位；步骤603根据所述整个地块特征污染物浓度的卷积神经网络模型，获取所述终选采样点位的分布及深度信息。

全文数据：

权利要求：

百度查询： 江苏省环境科学研究院 一种基于机器学习的污染场地调查布点的方法