使用机器学习预测微塑料上的有机污染物的水性吸附
Ye Qiu1, Zhejun Li1, Tong Zhang2
1Department of Civil and Environmental Engineering, Faculty of Science and Technology, University of Macau, Taipa, Macau SAR.
Water research
|August 28, 2023
概括
这项研究开发了一种机器学习模型,以预测微塑料 (MP) 如何在淡水中吸收有机污染物 (OP). 该模型根据MP和OP的属性准确地预测了分,从而改善了环境风险评估.
科学领域:
- 环境科学 环境科学
- 环境化学环境化学
- 生态毒理学 生态毒理学
背景情况:
- 微塑料 (MPs) 在淡水中普遍存在,通过吸收影响有机污染物 (OPs) 的环境命运.
- 了解MP-OP吸附是复杂的,因为不同的MP和OP属性,限制传统模型.
- 现有的模型在普遍性方面扎,重点关注单独的吸附剂或酸盐特性.
研究的目的:
- 开发一个对MP的OP吸收的预测模型,同时考虑吸收剂和酸盐的特性.
- 在预测MP-OP相互作用方面克服传统的基于热带的模型的局限性.
- 阐明管理OP吸收对国会议员的主导机制.
主要方法:
- 从同行评审的文献中编制了475个MP-OP选数据点的数据集.
- 开发并比较各种机器学习算法,包括混合遗传算法支持矢量机器模型.
- 利用特征重要性分析工具 (前进一步,沙普利,全球灵敏度分析) 来识别关键影响因素.
主要成果:
- 混合基因算法支持矢量机器模型实现了高预测准确性 (R2=0.93,RMSE=0.07).
- 影响吸附的关键因素包括MP的化学性质,OP的过度摩尔折射和OP的结相互作用.
- 确定了主要的吸附机制:疏水分裂,键形成和π-π相互作用.
结论:
- 开发了一种新的,广泛适用的机器学习模型,用于预测MP的OP吸收.
- 该模型增强了对复杂的MP-OP吸附过程和机制的理解.
- 调查结果为评估与微塑料污染相关的环境风险提供了关键的见解.
