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

本研究针对水处理消毒过程中产生的碘代三卤甲烷（I-THM）对健康的威胁，利用机器学习（ML）方法预测和减少其形成。背景方面，I-THM的预测因水质参数、消毒剂和碘源间复杂相互作用而面临挑战。研究目的旨在开发高效预测模型并识别关键缓解策略。通过分析1534个样本数据集，评估多个集成模型，发现CatBoost回归模型性能最优，结合碘/DOC和氧化剂/DOC比率等特征显著提高了准确性和可解释性。递归特征剔除显示可简化模型且不影响性能，减少了实验工作量。特征分析确定了关键预测因素，包括降低碘和溴浓度、优化氯剂量等。模型经贝叶斯优化确定最佳氯剂量，在外部验证中R²达0.67，展现出强通用性。结论表明，ML为预测和减少I-THM提供了有力工具，并为更安全的饮用水处理提供了可行策略，推动了ML在环境研究中的实际应用。