一种基于机器学习模型的地下水砷风险预测方法

摘要

本发明提供了一种基于机器学习模型的地下水砷风险预测方法，包括：S1，数据收集；S2，根据研究目标的研究区空间尺度和地下水砷超标程度定义模型任务；S3，以机器学习算法在全参数数据集和空间参数数据集上的性能作为评估标准，来评估机器学习算法对数据的配适度；S4，基于经过步骤S3评估筛选后的算法，对步骤S2中的模型任务进行超参敏感性测试，确定需要调试的超参及范围，优化后继所有模型的超参调试流程，并完成所有模型任务的全参数或空间参数模型的构建；S5，利用构建好的概率估计模型对地下水砷风险进行预测。本发明基于机器学习算法进行算法选择，优化统计建模建立流程，构建高精度地下水砷统计模型。