摘要
本发明涉及一种微塑料降解率与CO2固定率的优化方法,包括:获取初始种群,其中,所述初始种群的个体为不同土壤类型的目标数据,每个个体的微塑料降解率与CO2固定率通过机器学习模型获得,机器学习模型通过训练集训练获得,所述训练集包括不同土壤类型的历史目标影响因素及对应的微塑料降解率与CO2固定率;采用遗传算法对微塑料降解效率和二氧化碳固定效率进行寻优,获取微塑料降解率和土壤固碳率的最优组合。本发明在提高土壤修复效率的同时,优化了微塑料降解和CO2固定的同步过程。
技术关键词
机器学习模型
塑料
遗传算法
拉丁超立方采样
训练集
K近邻算法
微生物种类
数据
支持向量机
成分分析
核心
参数
形态
速率
系统为您推荐了相关专利信息
视频动作检测方法
时序特征
神经网络模型
上采样
训练集
码头
智能优化算法
数据采集模块
检修计划
分析模块
农业大棚智能
监测控制系统
因子
环境调控设备
样本
深度神经网络模型
无标签数据
无监督
图像识别效率
图像增强