中国环境科学

作者：能昌信, 孙晓晨, 徐亚, 刘家琳, 董路, 刘玉强

单位：1. 山东工商学院信息与电子工程学院, 山东 烟台 264005; /\r\n2. 中国环境科学研究院环境基准与风险评估国家重点实验室, 中国环境科学研究院固体废物污染控制技术研究所, 北京 100012; /\r\n3. 山东工商学院计算机科学与技术学院, 山东 烟台 264005

关键词：污染场地,电阻率层析成像,深度卷积神经网络,边缘检测

基金：

国家重点研发计划（2018YFC1800902）

提出了将Sobel边缘检测算子与深度卷积神经网络（CNN）算法结合的方法（E-ConvNet），用于污染场地的ERT反演过程.通过Sobel算子提取污染区域视电阻率数据的边缘特征作为CNN的先验信息，提高E-ConvNet的计算效率及识别精度.在5种理论模型（单异常体、双异常体及含双异常体的层状结构）和现场实例上测试了E-ConvNet算法的性能，并与最小二乘算法（LS）比较.测试结果表明：E-ConvNet能够准确识别污染处的面积、位置及阻值，其识别精度和计算效率均优于LS.E-ConvNet的单异常识别准确率为81.8%~84.9%，而LS则仅为9.6%~36.2%；多异常识别准确率为68.6%~84.4%，LS仅为2.8%~27.6%；E-ConvNet用时约为112~190ms，LS耗时为6000~7000ms.因此，在污染场地调查工作中，E-ConvNet能够准确高效地反演出污染区域的位置及范围，为开展后续评估/修复工作提供技术支持.

来源：2019年第12期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2019年第12期