(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111388229.3 (22)申请日 2021.11.22 (65)同一申请的已公布的文献号 申请公布号 CN 114167031 A (43)申请公布日 2022.03.11 (73)专利权人 中国环境科 学研究院 地址 100000 北京市朝阳区洼里乡大羊坊8 号 (72)发明人 王晓南　张加文　刘征涛　罗晶晶　 李霁　艾舜豪　吴凡　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G01N 33/24(2006.01) G06Q 10/04(2012.01) G06F 17/18(2006.01)(56)对比文件 CN 105069315 A,2015.1 1.18 CN 108549620 A,2018.09.18 CN 111551389 A,2020.08.18 CN 113611373 A,2021.1 1.05 US 2021/ 0010993 A1,2021.01.14 Bao-Min Yao等.A predictive model for arsenic accumulati on in rice grai ns based on bioavailable arsen ic and so il characteristics. 《Journal of Hazardous Material》 .2021,(第412期),1-8. 张加文等.土 壤重金属生物有效性影响因素 及模型预测. 《中国毒理学会环境与生态毒理学 专业委员会第七届学术研讨会 会议论文摘要 集》 .2021,5 3. 张加文等.土 壤重金属生物有效性影响因素 及模型预测. 《中国毒理学会环境与生态毒理学 专业委员会第七届学术研讨会 会议论文摘要 集》 .2021,5 3. 审查员 郑瑜 (54)发明名称 一种土壤重金属生物可利用性含量预测的 方法 (57)摘要 本发明公开了一种土壤重金属生物可利用 性含量预测的方法， 包括： S1、 确定目标土壤性质 以及通过测试获取所述目标土壤对应的重金属 总含量； S2、 将所述目标土壤性质及对应的重金 属总含量， 代入 预先构建的土壤重金属生物可利 用性含量预测模 型进行计算， 输出预测的重金属 生物可利用性含量数据。 该方法可 实现对不同类 型土壤中的重金属生物可利用性含量进行分析， 可消除土壤性质差异带来的生物可利用性的差 异。 为生物可利用性在实际应用中提供了新思 路， 可为精 准评估污染土壤的生态 风险和环境风 险管理工作提供技 术支持。 权利要求书2页 说明书10页 附图4页 CN 114167031 B 2022.08.05 CN 114167031 B 1.一种土壤重金属生物可利用性含量预测的方法， 其特 征在于， 包括： S1、 确定目标土壤性质以及通过测试获取所述目标土壤对应的重金属总含量； 所述土 壤性质包括： pH值、 阳离 子交换量、 有机质含量、 黏土含量以及铁矿物含量； S2、 将所述目标土壤性质及对应的重金属总含量， 代入预先构建的土壤重金属生物可 利用性含量预测模型进行计算， 输出 预测的重金属生物可利用性含量数据； 所述土壤重金属生物可利用性含量预测模型的构建过程， 包括： S21、 搜集构建目标土壤重金属生物可利用性回归模型的土壤重金属生物可利用性含 量数据； S22、 搜集或测试所述土壤重金属生物可利用性含量数据对应的土壤理化性质及土壤 重金属总含量； S23、 根据预设规则对所述土壤理化 性质及土壤重金属总含量进行筛 选； S24、 将经筛选后的所述土壤理化性质 及土壤重金属总含量， 进行数据处理； 所述数据 处理包括： 对数转换和/或通过缺失值插补法补充土壤性质参数的缺失值； S25、 根据表征的生物类型将经 数据处理后的生物可利用性数据分组； S26、 将分组后数据分别进行逐步 回归分析， 采用所述土壤性质和重金属总含量作为自 变量， 生物可利用性含量作为因变量， 建立逐步回归 模型。 2.根据权利要求1所述的一种土壤重金属生物可利用性含量预测的方法， 其特征在于： 所述土壤重金属生物可利用性含量预测模型的构建过程， 还包括： S27、 采用实验数据对所 述逐步回归 模型的预测效果进行计算与比较， 验证所述逐步回归 模型的可靠性。 3.根据权利要求1所述的一种土壤重金属生物可利用性含量预测的方法， 其特征在于： 步骤S23中的预设规则包括： 删去未按标准方法开展试验的数据； 删去没有受试土壤性质的数据； 删去非自然土壤数据； 选用测试规范、 数据清晰的文献 数据。 4.根据权利要求1所述的一种土壤重金属生物可利用性含量预测的方法， 其特征在于： 步骤S24中的通过缺 失值插补法补 充土壤性质参数的缺 失值， 包括： 采用基于链式方程的多 重插补方法与随机森林插补法联用的缺失值处 理方法， 具体如下： a.存在缺失值的数据集： f(Ymis|Yobs)； b.用随机森林法用于预测连续缺失值并填充数据形成m个填补值， 得到m个完整数据 集： f(Q|Yobs,Ymis)； c.对产生的m个数据集分析， 分析填充效果， 得到m个分析后的填补值： ∫ dYmis； d.将m个分析 结果综合得到对目标变量的估计， 得到最终的完整数据集： f(Q|Yobs)； 式中， Ymis表示缺失值； Yobs表示观测值； m默认为5； c步骤中数据集分析方法为对m个插 补数据集进 行数据集T检验， 检验某数据集是否合格； d步骤中对m个数据集进 行F检验， 检验 整个方法是否合格。 5.根据权利要求2所述的一种土壤重金属生物可利用性含量预测的方法， 其特征在于： 步骤S27， 包括： 将实测土壤性质和重金属总 含量代入到所述逐步 回归模型， 计算预测值和实测值的差权　利　要　求　书 1/2 页 2 CN 114167031 B 2异系数； 根据差异系数来划分预测效果； 所述差异系数＝MAX(预测值， 实测值)/MIN(预测 值， 实测值)。 6.根据权利要求2所述的一种土壤重金属生物可利用性含量预测的方法， 其特征在于： 步骤S2包括： 当所述土壤重金属生物可利用性含量预测模型包括多个模型时， 根据 所述目标土壤性 质选择拟合效果相关指数较大的模型； 将所述目标土壤性质及 对应的重金属总含量代入选 择的模型中进行计算， 输出 预测的重金属生物可利用性含量数据。 7.根据权利要求6所述的一种土壤重金属生物可利用性含量预测的方法， 其特征在于： 步骤S2还 包括： 当多个模型的拟合效果相关指数处于同一等级时， 将所述目标土壤性质及对应的重金 属总含量分别代入选择 的多个模型中进行计算， 将输出 的多个计算结果求其几何平均值； 所述几何平均值作为 最终输出 预测的重金属生物可利用性含量数据。权　利　要　求　书 2/2 页 3 CN 114167031 B 3