中国环境科学

作者：陈亚松, 刘家雯, 赵云鹏, 周英萍, 沈秋实, 肖琳, 钱新

单位：1. 中国长江三峡集团有限公司, 长江经济带生态环境国家工程研究中心, 湖北 武汉 430010;2. 南京大学环境学院, 污染控制与资源化国家重点实验室, 江苏 南京 210023

关键词：机器学习,人工湿地,氨氮,COD,重金属

基金：中国长江三峡集团公司科研项目(NBWL202300014)

基于水质指标、气候指标、湿地运行参数3个方向,收集以往研究文献数据,通过3种机器学习模型预测人工湿地出水氨氮(NH4+-N)、COD、磺胺甲噁唑(SMX)以及部分重金属的浓度.结果表明,随机森林(Random Forest)在整体性能上略优于XGBoost和LightGBM,其决定系数(R2)和均方根误差(RMSE)的表现更为稳定,尤其是在NH4+-N和SMX的预测上取得更高精度(NH4+-N预测的R2分别为0.93、0.89和0.87).相比之下,在COD的预测中,3种模型的表现相对较弱,R2分别为0.71、0.61、0.64.通过引入SMOTE数据扩充技术,模型的预测性能和精度得到了显著的提升,尤其是对COD的预测性能提升幅度达7.04%~26.23%.本研究将数据分析与机器学习算法相结合,可为实际工程应用提供可行方法.

来源：2025年第6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6期