重金属污染海港沉积物的迁移学习评估
机器学习
2025-06-30 v1
摘要
检测海港土壤和沉积物中的重金属污染对于区域环境监测至关重要。污染负载指数(pli)是国际通用的标准，用于评估重金属含量。然而，常规的pli评估涉及繁琐的沉积物样本程序和数据分析。为此，我们提出一种基于深度学习的模型，以简化重金属评估流程。我们的模型解决了水-沉积物领域数据稀缺的问题，这在数据收集和各国标准差异的传统情况下常导致问题。通过迁移学习，我们开发了一种准确的定量评估方法，用于预测pli。我们的做法允许在具有不同特征集的域之间传递所学特征。我们使用来自新南威尔士州六大港口的数据进行了模型评估：yamba港、newcastle港、jackson港、botany港、kembla港和eden港。结果表明，我们的模型相对于其他模型的平均绝对误差(mae)和平均绝对百分比误差(mape)分别约为0.5和0.03。我们的模型性能比其他基线模型高出约一个数量级。我们提出的模型为预测水质提供了一种创新、可及且成本效益高的方法，惠及海洋生态保护、养殖业和工业污染监测。
引用
@article{arxiv.2506.22096,
title = {Transfer Learning for Assessing Heavy Metal Pollution in Seaports Sediments},
author = {Tin Lai and Farnaz Farid and Yueyang Kuan and Xintian Zhang},
journal= {arXiv preprint arXiv:2506.22096},
year = {2025}
}