【人工智能】超越活性炭特性与疏水性：数据驱动下的有机微污染物可处理性评估与机理解析

本研究背景聚焦于活性炭（AC）在去除有机微污染物（OMPs）中的应用，传统预测方法如分配系数logD在处理复杂结构OMP时存在局限性。研究目的是通过机器学习（ML）构建标准化吸附性评估策略，系统评估56种OMP的吸附性。研究采用XGBoost、随机森林（RF）与极端随机树（ET）模型，预测性能优异（R² = 0.88–0.98），并通过可解释性分析揭示了吸附机制由疏水作用向π–π作用、氢键与孔填充机制的转变。结论表明，分子量增加和分子柔性提升有助于吸附性能，但实际应用中仍受背景有机物竞争和水化学复杂性的限制。