[口头报告]利用机器学习方法从分子组成中解读溶解有机氮的氮同位素特征

利用机器学习方法从分子组成中解读溶解有机氮的氮同位素特征
编号:1001 稿件编号:1176 访问权限:仅限参会人 更新:2024-04-11 11:10:22 浏览:57次 口头报告

报告开始:2024年05月18日 14:50 (Asia/Shanghai)

报告时间:10min

所在会议:[S6] 主题​6、海洋地球科学 » [S6-1] 主题6、海洋地球科学 专题6.3、专题6.5、专题6.10(18日下午,201)

暂无文件

摘要
海洋溶解有机氮(DON)代表着全球氮循环中最不为人所知的氮库之一。DON的稳定氮同位素(δ15N)可以提供关于其来源和在海洋环境中的转化信息。然而,由于其测量的困难性和复杂性,导致关于DON的δ15N数据报道较少,限制了我们对DON循环的理解。因此在本研究中,我们开发了一种快速有效的机器学习方法,利用中国沿海环境中325个样品的分子组成和δ15N数据来预测固相萃取DON的δ15N,平均绝对误差仅为0.32‰。我们发现,所有分子式对预测DON的δ15N有贡献,即使该分子式不含氮原子。此外,我们的模型还从分子组成中捕捉到了DON的来源和转化信息。这项研究展示了使用分子组成预测难以获得的生物地球化学参数的潜力,为未来的海洋DON研究提供了新的解决方案。
关键字
溶解有机氮,氮同位素,机器学习,分子指纹
报告人
严振伟
博士研究生 香港科技大学

稿件作者
严振伟 香港科技大学
辛宇 中国海洋大学
何丁 香港科技大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订