轩诗垚，王占刚

(北京信息科技大学 信息与通信工程学院，北京 100101)

0 引言

重金属污染是土壤污染中最为常见的类型，随着工业化以及城市化的迅速发展，工业排放的污染物、城市生活垃圾以及农业生产中化肥的大量使用都使得土壤重金属污染逐渐增加。由于重金属对人体的健康危害较大，治理土壤重金属污染一直是许多国家亟待解决的重要问题。当前，国内外对于土壤重金属污染评价的方法较多，比如单因子指数分析法、内梅罗综合污染指数法、地累积指数法、富集因子法等。其中，单因子指数法侧重于显示某一种污染物对土壤环境的影响；内梅罗法综合考虑土壤中各种污染物对环境的整体影响；地累积指数法除了考虑人为污染因素以及环境地球化学背景值以外还考虑了自然成岩作用引起背景值变动的因素[1]；富集因子法采用了双重归一化的计算方法试图消除各种不确定因素的影响，通过计算得到污染元素的富集程度以判断和分析其来源[2]。

众多对土壤污染的研究发现，某一区域的土壤污染情况不仅仅取决于某一种污染元素，而往往是多种污染元素共同作用使得土壤环境中的某些指标超标。所以在研究与分析某区域土壤环境中的污染元素时，使用前文提到的传统的研究方法找出主要的几种污染元素会比较困难。针对这一问题，本文引入了机器学习中常用的数据降维方法——主成分分析法(principal component analysis,PCA)[3]，通过对主成分分析法进行改进，根据研究区域污染因子的单因子指数进行数据加权处理，得到更加符合研究区域实际情况的土壤重金属污染情况评价结果。……