文献速递｜美国南达科他矿业理工学叶涛助理教授ES&T：机器学习用于预测和尽量减少水处理中的碘代三卤甲烷

本文研究了水处理过程中碘代三卤甲烷（I-THM）的形成及其缓解策略。背景方面，消毒过程中产生的I-THM对健康构成严重威胁，但由于水质参数、消毒剂和碘源之间的复杂相互作用，预测和缓解I-THM的形成具有挑战性。研究目的是通过机器学习（ML）方法预测和最小化I-THM的形成。研究使用了1534个样本数据集，评估了五种集合模型，其中CatBoost回归模型表现最佳。研究结论表明，通过优化碘/DOC和氧化剂/DOC比率等特定领域的特征，可以提高模型的准确性和可解释性。此外，研究还提出了多种缓解策略，包括降低碘和溴浓度、优化氯剂量等，为更安全的饮用水处理提供了可行的解决方案。