使用机器学习模型优先排放空气过器发出的有气味的VOC
Muhammad Azher Hassan1, Junjie Liu1, Tariq Mehmood2
1Tianjin Laboratory of Indoor Air Environmental Quality Control, School of Environmental Science and Engineering, Tianjin University, Tianjin, China.
Journal of hazardous materials
|August 26, 2025
概括
这项研究开发了一种机器学习模型,用于预测空气过器中的挥发性有机化合物的气味值. 结果显示臭氧会增加VOC排放量,而化物被确定为主要的气味贡献者.
科学领域:
- 环境化学
- 分析化学
- 计算化学
背景情况:
- 臭氧与空气过器污染物的反应会产生有气味的挥发性有机化合物 (VOC).
- 变化的污染物和强化的臭氧反应会产生新的化合物,
研究的目的:
- 开发和训练机器学习 (ML) 框架,用于预测空气过器排放的VOC的气味值.
- 为了有针对性的监测和控制,确定对空气过器产生气味的关键VOC.
主要方法:
- 训练ML模型 (随机森林,包装回归,梯度增强) 使用874个VOC和240个属性的数据集.
- 在不同的臭氧水平下使用GC-MS和HPLC分析了两种类型的空气过器的VOC.
- 已识别的VOC的气味值和气味活性值.
主要成果:
- 臭氧显著增加了过器的VOC排放量 (检测到的VOC增加了1-1.6倍,总VOC度增加了2-1.9倍).
- 随机森林模型表现出R2=0.786和RMSE=0.657的优异性能.
- 根据气味活性值确定了化物为气味的主要贡献者.
结论:
- 机器学习为预测空气过器的VOC气味值提供了有效的框架.
- 通过增加空气过器的VOC排放,臭氧暴露加剧了气味问题.
- 针对性监测和控制策略可以基于已识别的引起气味的VOC,如化物.
