一种基于机器学习的金属离子抑制浓度预测方法

本发明公开了一种基于机器学习的金属离子抑制浓度预测方法，包括：获取待测土壤中的金属离子，并利用生物配体模型BLM模型测定金属离子在待测土壤中与第一生物配体的第一环境特性参数；利用定量离子特征参数和活性关系模型QICAR模型提取金属离子的第一理化特征，并将第一环境特性参数、第一理化特征、设置的植物根伸长的第一抑制率和植物种类编码输入到训练完成的类别型梯度提升模型CatBoost模型中，得到第一抑制率对应的金属离子浓度；CatBoost模型的训练样本和测试样本由模拟土壤溶液条件中，金属离子样本对植物样本的毒性效应数据样本构成，毒性效应数据样本包括金属离子样本、植物样本和环境参数样本。