2月24日，汕头大学海洋科学研究院王铁宇教授及合作者广东工业大学尹光彩副教授在国际学术期刊《Science of the Total Environment》在线发表了题为“A novel interpolation method to predict soil heavy metals based on a genetic algorithm and neural network model”的研究成果，耦合遗传算法和神经网络模型，创建了一种新的重金属污染空间插值模型，实现了区域尺度上更为精准地重金属污染空间分析及模拟预测。
传统空间插值方法大多采用规则格点抽样，虽然考虑了采样点的地理位置，但往往忽略了其他自然因素（如土壤理化性质）。为提高空间插值的预测精度，有必要将土壤理化性质与环境变量相结合。因此，本文将一种基于神经网络的机器学习模型，即人工神经网络（ANN），与模拟自然界的进化遗传算法（GA）相结合，构建了一种新的土壤插值模型（GANN），结合采样点的理化特征（pH值、有机质、机械组成）和地理位置，实现了省级尺度重金属污染的精准预测和空间模拟，为优化土壤重金属空间插值精度提供了新思路和新方法。
GANN模型的总体思路是将采样点的测量值（包括经度、纬度、重金属含量、pH值、有机质和土壤机械组成）作为可以繁衍新个体的独立个体。根据生物进化理论，模拟母体选择-基因交叉-基因突变等新个体衍生过程，实现最适应环境的优良新个体选择。采用遗传算法（GA）作为生物进化迭代算法，耦合神经网络模型（ANN）开展生物种群评价。利用预测值与实测值之间的均方根误差(RMSE)和平均绝对误差（MAE），评价及验证了模型预测值的准确性。
广东工业大学尹光彩副教授为论文第一作者，王铁宇教授为通讯作者。该项研究得到了国家重点研发计划课题、广东省科技厅国际合作项目、汕头大学科研启动基金等项目资助。
论文链接：https://authors.elsevier.com/sd/article/S0048-9697(22)01040-3
图文 王铁宇教授团队
