一种基于机器学习建模的黑臭水体预警因子筛选方法

本发明公开了一种基于机器学习建模的黑臭水体预警因子筛选方法，特点是包括采集水样并进行常规水质和光谱检测，建立机器学习建模数据集，包括样本的常规水质数据、样本标签和光谱数据的步骤；构建不同的机器学习分类模型结构，根据机器学习建模数据集比较不同的机器学习分类模型结构性能，筛选性能最优的机器学习分类模型作为研究对象的步骤；最后根据最优机器学习分类模型创建shap解释器，通过shap解释器计算各输入特征对正类输出特征的Shapley值，计算所有样本中相同输入特征的Shapley值的绝对平均值并进行降序排列，筛选出绝对平均值最大的3～5个输入特征，即为黑臭水体预警因子，优点是污染识别更加全面和精准。