排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了比较不同来源的畜禽粪便理化性质差异,考察堆肥过程中与腐熟度有关的理化指标变化情况,采集5种畜禽粪便的原料(堆肥原样)和堆肥腐熟后的样品,对其进行性质测定分析;同时,为探索预测堆肥腐熟度的最优模型,选用XGBoost、随机森林、支持向量机(SVM)、多元非线性回归模型对训练集样本堆肥腐熟度进行预测,并利用测试集样本对比分析4种模型的预测精度。结果表明:羊粪、牛粪、猪粪、兔粪、鸡粪原样均为弱碱性,其浸提液中可溶性盐浓度(EC)较高,鸡粪原样总养分(N、P、K)含量最高,猪粪原样中金属元素铜、锌、铁、锰总含量和有机质含量最高;5种粪便原样经过升温腐熟过程后,铜、锌、铁、锰元素含量和发芽率均表现出明显的上升趋势,pH值、EC值和有机质含量呈显著下降趋势;堆肥有机质含量和含水率对堆肥腐熟度影响最大,%IncMSE值分别为14.92%和13.61%;通过构建XGBoost、随机森林、SVM机器学习模型和多元非线性回归模型,经特征选择模型优化后,仅选取含水率和有机质含量作为特征变量,即可准确地预测堆肥腐熟度,模型预测值与实测值间的拟合优度(R2)分别为0.994、0.871、0.908、0.800。其中,XGBoost模型表现出较高的预测性能,均方根误差和平均绝对误差分别为4.690%和4.042%。相比于模型优化前,XGBoost、随机森林、SVM的R2分别升高41.39%、5.83%和36.30%。由于堆肥腐熟前后pH值、含水率、有机质及发芽率变化显著,且与其他性质之间存在较高的相关性,据此选取其作为堆肥腐熟度的评价指标。综合分析结果认为,XGBoost模型对堆肥腐熟度的预测精度最高,特征选择是提高模型预测精度的有效方法。 相似文献
2.
1