中国环境科学

作者：徐玲, 景向楠, 杨英, 李卫华, 刘怡心, 严国兵

单位：1. 合肥城市学院土木工程学院, 安徽 合肥 238076;2. 合肥城市学院经济与管理学院, 安徽 合肥 238076;3. 安徽建筑大学环境与能源工程学院, 安徽 合肥 230009;4. 中国科学技术大学地球和空间科学学院, 安徽 合肥 230026;5. 杭州市城建设计研究院有限公司(安徽分公司), 安徽 合肥 230051

关键词：地表水,水质分类评价,CatBoost,SMOTE,遗传算法

基金：国家自然科学基金资助项目(51978003);安徽省教育厅自然科学类重点项目(2022AH052481);安徽省科技重大专项(201903a06020034);安徽省自然科学基金资助青年项目(1908085QE241);无锡市科技发展资金资助项目(G20192010)

针对地表水分类评价中水污染特征空间的高冲突性以及水质类别的不均衡性等问题,以7项地表水水质指标为水质评价因子,采用SMOTE过采样技术结合遗传算法和CatBoost模型对全国主要江河和重要湖库分别进行水质分类评价,并与其他4种改进集成算法进行对比.结果表明:SMOTE预处理有效改善样本类别的不均衡性,提高CatBoost模型对少数类水质样本分类的准确性;遗传算法调参有效提高CatBoost模型的收敛速度和分类精度,优化了模型的分类性能;SMOTE-GA-CatBoost模型对江河和湖库的水质分类效果均优于其他4种改进集成分类模型,其对江河水水质分类的准确率、精确率、召回率、F1分别为97.7%、97.8%、96.1%、96.9%,对湖库水水质分类的准确率、精确率、召回率、F1分别为96.7%、96.2%、95.4%、95.8%,该模型可以实现不同水域的水质分类评价.

来源：2023年第7期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2023年第7期