Обнаружение загрязнения почвы моторными маслами с использованием генетического алгоритма для выбора длины волны
Для классификации и определения типа и содержания нефтяных углеводородных примесей в поверхностном слое почвы обычно используется флуоресцентная спектрометрия. Для исследования выбраны три распространенных моторных масла, доступных на рынке: трансмиссионное масло Loxson L-CKC220, моторное масло APSIN 10W-40 и масло Jaguar 200 SF MA 15W-40. Спектры флуоресценции масел получены с использованием метода индуцированной флуоресценции, длины волн выбраны с помощью генетического алгоритма (GA), модели обнаружения построены путем объединения регрессионных алгоритмов RF, AdaBoost и GBDT для классификации, идентификации и анализа прогнозирования концентрации масла. Средняя точность классификации и идентификации масел CKC220, APSIN 10W-40 и Jaguar 200 SF MA 15W-40 составляет 83.9, 97.8 и 92.2% соответственно. Сравнительный анализ результатов прогнозирования трех моделей регрессии концентрации показывает высокую точность прогнозирования всех алгоритмов. GA в сочетании с GBDT имеет наилучшие показатели прогнозирования для масел CKC220, APSIN 10W-40 и Jaguar 200 SF MA 15W-40 и улучшает точность прогнозирования на 62.7, 42.3 и 48.3% по сравнению с выбором длины волны без использования GA. Предложенный метод выбора длины волны на основе GA в сочетании с алгоритмами машинного обучения имеет высокую надежность и точность для классификации загрязнений моторного масла в почвах.
