融合差分进化与粒子群优化的磷化工污染土壤扩散预测方法

摘要

尽管在土壤污染扩散的高精度预测方面已取得一定进展，但如何在复杂环境中有效融合多维度因子并兼顾参数优化的全局搜索与局部精细能力，仍然是提升预测模型性能的关键。针对磷化工污染土壤扩散预测中多环境影响因子建模不足、单一优化算法易陷入局部最优等问题，提出一种融合差分进化（DE）与粒子群优化（PSO）预测方法 DE-PSO。该方法通过定期样本采集与传感器实时监测获取多维度数据，采用线性回归与最小二乘法对传感数据进行校准。构建融合土壤温度、湿度、pH值等环境因子的污染扩散机理模型，并设计DE与PSO的交替迭代机制对模型关键参数进行协同优化。实验结果表明：在对镉、氟化物等磷化工典型污染物的扩散预测中，以镉为例，该方法的预测均方根误差（RMSE）低至0.033 9，决定系数达0.971，收敛迭代次数仅为70次，预测精度与计算效率均显著优于单一DE、单一PSO及传统遗传算法。该方法为复杂环境下土壤污染扩散的高精度、实时预测提供了新的技术路径。

关键词

土壤污染 / 磷化工 / 扩散预测 / 差分进化 / 粒子群优化

基金资助

湖北省农业微生物产业发展重大专项揭榜挂帅项目（NYWSWZX2025-2027-09）