基于机器学习的高锰酸钾与有机污染物反应活性预测

作     者：朱静怡 黄苑曦 衣启航 伍洋涛 卜令君 周石庆 ZHU Jing‑yi;HUANG Yuan‑xi;YI Qi‑hang;WU Yang‑tao;BU Ling‑jun;ZHOU Shi‑qing

作者机构：水安全保障技术及应用湖南省工程研究中心湖南长沙410082 湖南大学设计研究院有限公司湖南长沙410082 

基　　金：国家自然科学基金资助项目(52100007) 

出 版 物：《中国给水排水》 (China Water & Wastewater)

年 卷 期：2024年第40卷第11期

页      码：41-48页

摘      要：高锰酸钾(KMnO_(4))氧化能力强、性质稳定,是自来水厂处理微污染原水和突发污染事件的常见应急氧化药剂,高锰酸钾与有机污染物的反应速率常数(k值)是衡量其与有机污染物反应活性的重要参数。然而有机污染物种类繁多,单纯依靠试验方法或理论计算获得大量k值费时费力且成本高。为此,收集了574种有机污染物的数据,以分子指纹(MFs)和pH作为输入特征,利用4种算法(随机森林RF、神经网络NN、极致梯度提升XGBoost和支持向量机SVM),分别建立了预测k值的机器学习(ML)模型,发现4个模型均有良好的稳健性和预测能力,其中RF模型的预测性能最好(R测试集2=0.818,RMSE测试集=0.476)。采用SHAP方法对RF模型进行了模型解释,发现供电子基团、pH等对k值的预测影响最大,表明模型正确学习了k与污染物结构之间的关系。同时,计算了RF模型的应用域(AD)以验证其适用范围。该模型可准确、便捷地获得k值,有助于了解高锰酸钾与有机污染物的反应活性。

主 题 词：高锰酸钾 有机污染物 反应速率常数 机器学习 随机森林算法 SHAP 

学科分类：08[工学] 0815[工学-矿业类] 

核心收录：

D　O　I：10.19853/j.zgjsps.1000-4602.2024.11.007

馆 藏 号：203128281...