基于多源辅助变量和KELM模型的农田土壤重金属空间分布预测

为了准确掌握土壤重金属的空间分布特征,以某地区为研究区域,利用核极限学习(KELM)模型结合多源辅助变量,对地区的土壤重金属空间分布进行预测。KELM与随机森林(RF)和极限学习机(ELM)模型分别进行比较。结果表明:在选择的3种模型中进行农田土壤重金属预测时,5种土壤重金属的KELM模型的均方根误差和相对平均误差均小于ELM模型和RF模型。因为均方根误差越小,模型预测精度越高,所以KELM模型预测精度更高、预测效果更好。因此,KELM模型可以作为土壤重金属空间分布预测一种有效方法,为农田土壤环境保护提供有效技术支持。