基于机器学习的方法对微塑料退化污染物迁移的预测性适用性进行评估
Małgorzata Kida1, Kamil Pochwat2, Sabina Ziembowicz1
1Department of Chemistry and Environmental Engineering, Faculty of Civil and Environmental Engineering and Architecture, Rzeszow University of Technology, Ave Powstańców Warszawy 6, 35-959 Rzeszów, Poland.
Journal of hazardous materials
|September 18, 2023
概括
机器学习模型,包括人工神经网络和支持矢量方法,可以准确地预测微塑料中的污染物出. 这种方法减少了昂贵的实验室测试,有助于环境保护工作.
科学领域:
- 环境化学环境化学
- 计算科学 计算科学
背景情况:
- 微塑料由于污染物漏而带来环境风险.
- 由于经济和生态原因,减少实验室分析至关重要.
研究的目的:
- 评估用于预测微塑料污染物迁移的机器学习.
- 探索具有成本效益和环保意识的分析方法.
主要方法:
- 利用多重回归,人工神经网络,支持矢量方法和随机森林回归.
- 基于气色谱-质谱 (GC-MS) 实验室数据开发模型.
- 专注于预测塑化剂和其他污染物的漏.
主要成果:
- 人工神经网络和支持向量方法显示出高的预测准确性 (相关性为0.96-0.99).
- 多重回归表明在预测酸 (R2 0.03-0.24) 中的性能较低.
- 这项研究是第一个应用机器学习来预测各种聚合物的可塑化剂液的研究.
结论:
- 人工神经网络和支向量方法对于模拟微塑料中的化学液是有效的.
- 机器学习为广泛的实验室测试提供了一个可行的替代方案.
- 研究结果为评估微塑料添加剂对环境的影响提供了关键数据.


