人工神经网络模型显示,水位变化改变了底特律河的生物可用PCB度
Mona Farhani1, Alice Grgicak-Mannion2, Paul Weidman1
1Great Lakes Institute for Environmental Research, University of Windsor, 2990 Riverside Drive West, Windsor, ON, N9C 4G3, Canada.
Chemosphere
|November 7, 2025
概括
底特律河的多二 (PCB) 度随着时间的推移而下降,但水位显著影响了这些趋势. 水文波动影响了PCB水平,水位下降预计将导致PCB持续下降.
科学领域:
- 环境化学环境化学
- 生态毒理学 生态毒理学
- 水生生态学 水生生态学
背景情况:
- 多双 (PCB) 是持久性有机污染物,已知对水生生态系统有不良影响.
- 贝类生物监测计划提供了有关污染物的生物可用性和趋势的宝贵长期数据.
研究的目的:
- 分析底特律河中生物可用PCB度的时间趋势,使用1998-2023年的鱼生物监测数据.
- 研究水文因素,特别是水位对PCB度趋势的影响.
- 开发和验证PCB水度的预测模型.
主要方法:
- 利用长期生物监测数据集 (1998-2023) 来评估生物可用PCB度的时间趋势.
- 采用统计分析来评估水位和单个PCB同源对观察到的趋势的影响.
- 开发了一个深度神经网络 (DNN) 模型来预测PCB水度,识别关键预测变量.
主要成果:
- 在两个监测地点,生物可用的PCB度显示长期下降,但这些趋势是由水位波动调节的.
- 水位上升与上游地区PCB趋势的增加相关,而中游地区的PCB产物反应不同.
- 鉴定沉积物PCB,Kow,水位和年份作为关键预测因素的DNN模型解释了与多重回归相比变化的两倍以上.
结论:
- 水文波动显著影响底特律河的生物可用PCB度及其时间动态.
- 由于预计水位将下降,预计PCB度将继续下降.
- 了解水文和污染物趋势之间的相互作用对于有效的环境管理至关重要.
