Проблема загрязнения тяжелыми металлами в почвенных отложениях становится все более заметной, и разработка методов быстрой экспресс-диагностики на месте стала незаменимым инструментом для обеспечения эффективности мониторинга загрязнений и продвижения экологического регулирования. В связи с этим в данном исследовании предложен метод количественного анализа тяжелых металлов в почвенных отложениях на основе лазерно-индуцированного пробоя (LIBS) с использованием алгоритмов машинного обучения. Сначала с использованием построенной системы LIBS были собраны спектры образцов почвенных отложений, и исследовано влияние различных методов предварительной обработки спектров на качество обработки данных. Затем на основе измерения важности переменных (VIM) был выполнен отбор характеристик из предварительно обработанных спектральных данных. С помощью перекрестной проверки были оптимизированы параметры, такие как метод предварительной обработки и порог важности переменных. На основе оптимизированных входных переменных были построены количественные модели содержания трех тяжелых металлов (Pb, Cu и Zn) в образцах почвенных отложений и проведено сравнение с производительностью других моделей калибровки. Результаты показали, что предлагаемый VIM-RF калибровочный метод демонстрирует наилучшую прогнозирующую способность: для Pb R²_p = 0.9930, RMSE_p = 0.0298 мг/кг; для Cu R²_p = 0.9810, RMSE_p = 0.1127 мг/кг; для Zn R²_p = 0.9920, RMSE_p = 0.1662 мг/кг. Таким образом, разработанный метод может служить теоретической основой для быстрой оценки и управления загрязнением тяжелыми металлами почвенных отложений.

почвенные отложения;тяжелые металлы;лазерно-индуцированный пробой;случайный лес;отбор признаков