追踪化学品的生命周期末期:一个可扩展的以数据为中心和以化学品为中心的方法

科学领域:

• 环境科学与工程环境科学与工程
• 数据科学和机器学习
• 化学工程是化学工程的重要组成部分.

背景情况:

• 化学流量分析 (CFA),生命周期库存 (LCI) 和暴露评估对于管理化学品在生命终端 (EoL) 至关重要,但受到数据需求和不确定性的阻碍.
• 数据驱动的建模为简化这些复杂的环境任务提供了有希望的解决方案,但需要强大的数据管道来实现现实应用.

研究的目的:

• 开发一个以化学物质为中心和以数据为中心的框架,用于为EOL CFA提取,转换和加载 (ETL) 综合数据.
• 将跨年和跨国数据 (包括来源) 整合到适合生产级机器学习操作的可扩展框架中.
• 通过促进与经济和监管数据的连接来实现数据驱动建模的进步,以加强EOL化学品管理.

主要方法:

• 开发了一个可扩展的ETL框架,用于以化学为中心和以数据为中心的数据处理.
• 综合跨年 (1988-2020年) 和国家特定的化学品转移数据.
• 在数据生命周期内内置数据来源跟踪.

主要成果:

• 成功提取,转换和加载EOL CFA的综合数据,支持年度数据供应.
• 加拿大,澳大利亚和美国643种化学品的量化回收转移,显示出显著的差异 (例如,加拿大29.87%).
• 证明了框架适应不断变化的数据分布的能力,并避免模型性能下降.

结论:

• 开发的框架为EoL的数据驱动CFA提供了一个可扩展和适应的解决方案,解决数据挑战和不确定性.
• 通过向利益相关者提供有关监管严格性和影响EOL化学品管理的经济因素的背景,使环境决策得到加强.
• 通过将EOL化学数据与经济和监管信息联系起来,促进未来的研究,以便更准确地预测暴露.