中山大学孙连鹏、李若泓团队WR：将医学诊疗思维引入地表水污染管理——智能水环境诊疗中心

本研究针对传统地表水污染管理中将所有超标事件同质化处理、响应低效的问题，创新性地将医学诊疗思维引入水环境管理，构建了名为"智能水环境诊疗中心"的自动化机器学习框架。该框架突破了现有机器学习与机理脱节的局限，将症候识别与知识引导的决策相耦合，实现了从超标检测到可解释管理支持的完整闭环，可区分常态环境扰动与急性人为污染。在鉴江与南渡江流域的案例中，该框架通过PCA与K均值聚类识别超标事件基础特征，再以LDA融入环境科学知识优化分类，将事件分为调控失效、系统崩溃、急性冲击和代谢紊乱四类生态症候。对比分析显示，纯数据驱动方法会导致58.4%的事件被误判，而引入领域知识后分类性能显著提升。对于无法归类的突发事件，基于遗传算法与马尔可夫链蒙特卡洛的混合溯源诊断模块能快速定位污染源。该框架将应急响应时间从数天缩短至数分钟，为水环境治理从被动管控向差异化自适应管理转型提供了可扩展的技术路径。