基于机器学习的土壤锰污染程度预测模型构建

为解决传统土壤锰污染程度预测模型预测精度不足的问题,研究在融合小波神经网络与协同鸟群算法的基础上构建了深度复合神经网络的土壤锰污染程度预测模型。对研究提出的融合算法进行性能测试,结果显示研究提出的融合算法在误差小于10%及10%~20%的占比为75%~76%,该算法误差性能优于其他算法。对基于深度复合神经网络预测模型进行性能对比实验,结果显示其在四川和重庆2个数据集上的运算时间分别为26.6 s和24.5 s,较其他模型运算时间短,且其收敛速度更快。综合以上结果可以发现,研究提出融合算法及深度复合神经网络土壤锰污染程度预测模型在运算速度、运算精确度上优于对比算法与模型,具有实际应用价值。