聚丙烯酰胺在土岩混合物分离中的作用以及利用机器学习预测分离能力

《Soil Science Society of America Journal》：Effect of polyacrylamide applying on soil–rock mixture detachment and prediction of detachment capacity using machine learning

土壤剥离能力（Dc）受聚丙烯酰胺（PAM）应用、流量（4-24 L·min?1）及砾石含量（0%-70%）影响。实验表明：低流量（<16 L·min?1）时4 g·m?2 PAM最优；高流量时最佳剂量随砾石含量增加而降低（3-4 g·m?2）。PAM通过增强剪切强度间接抑制Dc，砾石含量＞30%时效果减弱。机器学习模型（XGBoost）比多元回归更精准预测Dc。

　　

摘要

土壤剥离能力（D_c）是表征土壤侵蚀过程的关键参数。聚丙烯酰胺（PAM）能够减轻土壤侵蚀，但其对土岩混合物的作用机制尚不清楚。本研究探讨了PAM对土岩混合物剥离过程的影响，并利用机器学习模型预测了D_c的值。实验在坡度为30°的流水槽中进行，水流流量分别为4、8、12、16和24 L·min^?1；砾石含量分别为0%、10%、30%、50%和70%；PAM（阴离子型，分子量1200万，水解度20%）的施用量分别为0、1、2、3、4和5 g·m^?2。当水流流量低于16 L·min^?1时，施用4 g·m^?2的PAM可达到最佳的抑制效果。在16–24 L·min^?1的流量范围内，PAM的最佳施用量因砾石含量的不同而有所差异：当砾石含量低于50%时为3 g·m^?2，当砾石含量在50%–70%之间时为4 g·m^?2。PAM主要通过增强剪切强度间接影响D_c，但随着砾石含量的增加，PAM对剪切强度的增强作用减弱。当砾石含量为30%时，土岩混合物更加稳定，D_c值保持较低。使用四个参数（PAM施用量、砾石含量、剪切强度和水流能量）训练的极端梯度提升模型，在预测D_c方面优于多元回归方程。

利益冲突声明

作者声明不存在利益冲突。

数据可用性声明

出于法律和伦理原因，本研究中的数据不能共享。相关数据的访问受到限制，仅限于研究用途。