鉴定和验证来自中国四个典型的大型城市固体废物焚烧场的PCDD/Fs指标,样本大小较大

科学领域:

• 环境科学 环境科学
• 化学工程是化学工程的重要组成部分.
• 污染控制 污染控制

背景情况:

• 监测城市固体废物焚烧场 (MSWIs) 产生的多二二氧化和二 furan (PCDD/F) 排放对于环境保护至关重要.
• 传统的监测方法耗时且劳动密集,需要开发预测模型.
• 缺乏可靠的,用于PCDD/Fs估计的特定模型,阻碍了准确的排放评估.

研究的目的:

• 开发和评估用于估计MSWIsPCDD/Fs排放的预测模型.
• 为了确定PCDD/Fs估计的有效指标同源.
• 为了比较传统统计模型和机器学习方法的性能.

主要方法:

• 从中国的四个大规模MSWIs收集了190个PCDD/Fs样本.
• 开发和评估预测模型,包括线性回归 (LR),反向传播的人工神经网络 (BP ANN) 和随机森林 (RF).
• 进行了相关性分析,以确定PCDD/Fs估计的关键指标同源.

主要成果:

• 特定的同源物如2,3,4,7,8-PeCDF,1,2,3,6,7,8-HxCDF和2,3,4,6,7,8-HxCDF被确定为强有力的指标 (R2 > 0.9).
• 随机森林 (RF) 模型表现出高R2和低RMSE/MAE的优异性能.
• 外部验证证实了RF模型的优秀预测准确性,在不同排放水平上绝对相对误差 (ARE) 很低.

结论:

• 随机森林 (RF) 模型对于预测来自MSWIs的PCDD/Fs TEQ排放非常有效.
• 使用已识别的指标同源可显著提高PCDD/Fs排放估计的准确性.
• 开发的射频模型为传统监控方法提供了可靠和高效的替代方案.