中国环境科学

作者：于林堂, 陈咚咚, 陶翠翠, 朱腾义

单位：扬州大学环境科学与工程学院, 江苏 扬州 225127

关键词：芬顿氧化工艺,污染物降解速率常数log K,有机污染物,机器学习模型,SHAP分析

基金：国家自然科学基金资助项目(42077331)

采用机器学习模型,包括多元线性回归(MLR)和轻量级梯度提升机(LGB)算法,预测芬顿工艺中57种有机污染物的降解效率.通过SHAP方法对模型进行机理解释,识别了影响降解效率的关键因素.研究结果表明,LGB模型在预测精度上(R2adj = 0.969, Q2LOO= 0.925, R2ext= 0.844)优于MLR模型(R2adj=0.831, Q2LOO=0.802, R2ext=0.861).SHAP分析揭示了温度、分子三维结构和原子电离能力是影响降解效率的主要因素.本研究为优化芬顿工艺的操作条件和提升降解效率提供了科学依据,对水处理领域的研究和实践具有重要的指导意义.

来源：2025年第8期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2025年第8期