当前位置: 首页 > 论文动态 > 正文

Html日历插件

曹海龙(硕士生),谢先军* 等 环境学院 Journal of Hydrology, March 2018, Predicting the risk of groundwater arsenic contamination in drinking water wells

20183月,我校环境学院谢先军教授团队在原生高砷地下水预测”研究领域取得新进展,其相关研究成果在国际著名期刊Journal of Hydrology》上发表。该项研究成果受国家自然科学基金(Nos. 41772255, 41521001 41372254)资助。论文第一作者为环境学院2016级硕士研究生曹海龙。

原生高砷地下水是备受关注的全球性环境问题,由于大面积调查与监测所需费用不菲,使得目前仍有大量潜在高砷饮用水井未被检测和识别,由此可能导致饮水型砷中毒的加剧与蔓延。对原生高砷地下水进行预测是解决上述困境的有效途径,现有的统计差值预测模型与回归预测模型虽然在原生高砷地下水预测研究方面取得了一定进展,但庞大的数据需求量或较弱的泛化能力削弱了预测模型的应用与推广前景。

针对这一问题,谢先军教授研究团队以高砷地下水形成机制研究成果为基础,综合运用常规水化学数据和(水文)地质条件参数,建立了单井分辨率级的原生高砷地下水Logistic回归预测模型。该预测方法在山西大同盆地和孟加拉Nawabganj & Shibganj地区的应用结果显示,模型AUC(操作者接受特征曲线)值均高于0.9,测试集预测准确率分别达到91.0%82.7%,表明该模型对高砷地下水具有良好的识别和泛化能力。该项研究显著提高了原生高砷地下水预测精度,为饮水型砷中毒防控提供了重要支撑。

   

图1 不同截断概率下训练数据集分类结果(a.大同盆地;b.孟加拉)

   

2 预测模型测试集分类结果(a.大同盆地,截断概率0.20b.孟加拉,截断概率0.48)

       

3 大同盆地高砷地下水(As>10μg/L)预测概率分布(A)和实际概率分布(B

 

论文信息:

Title: Predicting the risk of groundwater arsenic contamination in drinking water wells

Authors: Hailong CaoXianjun XieYanxin WangKunfu PiJunxia LiHongbin ZhanPeng Liu

Source title: Journal of Hydrology,May 2018,Volume 560, Pages 318-325

全文链接https://doi.org/10.1016/j.jhydrol.2018.03.007