一种基于机器学习的地下水微塑料污染预测方法

本发明公开了一种基于机器学习的地下水微塑料污染预测方法，涉及生态环境领域，包括：将全球尺度的微塑料观测数据与多源环境因子数据进行统一网格化与标准化处理；构建并训练回归模型和分类模型，以分别预测微塑料浓度的对数值及其超过预设阈值的概率；对回归模型和分类模型进行特征重要性分析，确定影响微塑料污染的主控环境因子；根据分类模型的输出概率，结合诊断学准则确定风险阈值，划分高风险区域；对高风险区域施加空间掩膜；将微塑料污染风险概率与人口分布数据及地下水依赖度数据进行耦合计算，逐网格评估潜在暴露人口数量；对潜在暴露人口数量的评估结果进行不确定性量化。本发明实现对地下水微塑料污染的空间分布预测。