摘要
本发明公开一种基于机器学习的湖泊水体重金属浓度预测方法，通过采集湖泊水体理化性质并建立湖泊数据库；标准化处理特征数据集；基于无监督机器学习将特征数据集输入到鲁棒主成分分析(RPCA)和自组织映射(SOM)进行降维，获得含有RPCA特征和SOM特征的新特征数据集；将新特征数据集应用到机器学习支持向量机模型、随机森林模型和多层感知机模型进行训练，得到可预测湖泊水体重金属浓度的机器学习模型；依据训练好的机器学习预测模型的10折交叉验证结果，最后选取预测结果最好的随机森林模型进行预测，得到湖泊水体中重金属的浓度。本发明便捷、准确的预测湖泊水体重金属浓度的性质，为快速判断湖泊及其所在区域的污染程度提供了技术基础。
