一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法

本发明涉及一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法，属于生态环保领域，包括以下步骤：采集研究区域土壤样品，获取土壤样品的理化性质数据；开展室内吸附实验，获取不同实验条件下污染物的吸附量数据；采用线性规划算法计算土壤样品的矿物定量组成；整理和划分数据集，训练神经网络模型，使用优化算法获取最优超参数以获得最佳的预测模型；将神经网络模型用于土壤污染物吸附量预测。本发明合理假设污染物吸附量受到土壤中矿物的种类和含量、活性铁形态和含量、土壤粒度和环境条件的共同控制，采用线性规划算法获取土壤中矿物的定量组成数据，以此为输入参数训练神经网络模型，并使用优化算法获取最优超参数，提高了神经网络预测土壤污染物吸附量时的预测精度、泛化能力和预测能力。