高效的S-TiO?@Ti?C? MXene电化学平台结合机器学习策略，用于高精度同时分析水样中的Cu2?和Hg2?

《Microchemical Journal》：Efficient S-TiO 2@Ti 3C 2 MXene electrochemical platform combined with machine learning strategies for high-accuracy simultaneous analysis of Cu2+ and Hg2+ in water samples

本研究开发了一种S-TiO2@Ti3C2 MXene复合传感平台，结合正交试验与机器学习算法（mRMR和SVM），优化了pH 4.5、沉积时间210s、沉积电位-1.5V等检测参数，实现了对Cu2?和Hg2?的高灵敏度（44.122 μA·L·mg?1和143.795 μA·L·mg?1）和低检测限（0.392 μg·L?1和0.093 μg·L?1）的同步检测，并通过实际环境水样验证了方法的可靠性。

　　
该研究聚焦于开发一种高效且精准的复合电极材料，用于同时检测水体中铜离子（Cu2?）和汞离子（Hg2?）两种典型重金属污染物。研究团队通过将硫元素掺杂至TiO?@Ti?C? MXene材料中，构建出具有独特结构的复合电极，并结合正交实验设计、多目标优化策略与机器学习方法，实现了对两种重金属的高效同步检测。以下从材料创新、检测方法优化、数据分析技术三个维度展开解读。

在材料设计层面，研究团队采用MXene材料作为基底，其二维层状结构和大的比表面积（Ti?C?本身具有暴露的碳层结构，经硫化处理后表面化学活性位点显著增加）为重金属离子的吸附提供了物理和化学双功能位点。实验通过扫描电镜（SEM）观察到Ti?C?的 accordion-like骨架结构，而经过两步煅烧后，TiO?纳米颗粒成功负载于Ti?C?层间及表面，形成多级孔道结构。X射线衍射（XRD）和X射线光电子能谱（XPS）进一步证实了材料成分的纯度与硫化改性的有效性。这种复合结构不仅保持了MXene的导电性优势，还通过硫化引入的硫氧基团增强了与重金属离子的配位作用，从而显著提升吸附容量。

检测方法优化方面，研究突破传统单金属检测的局限性，提出通过正交实验设计（OED）结合多目标协同优化策略，实现两种重金属检测参数的同步优化。传统OED存在局部最优风险，为此研究创新性地引入分布优化策略，通过综合平衡法（加权处理）评估不同参数组合对Cu2?和Hg2?检测的协同影响。实验结果显示，最佳参数组合为pH=4.5（酸性环境抑制共存离子干扰）、沉积时间210秒（保证充分吸附）、沉积电位-1.5V（平衡两种金属的氧化还原电位）。这种多参数协同优化方法使检测效率提升约40%，显著缩短实验周期。

在数据解析技术方面，研究突破传统单曲线定标的瓶颈，构建了基于机器学习的多信号协同解析体系。通过最小冗余最大相关（mRMR）算法对复合检测曲线中的特征峰进行筛选，有效区分了Cu2?和Hg2?的氧化还原信号（例如Cu2?在-0.2V出现特征氧化峰，Hg2?在-0.35V产生还原峰），同时过滤了约30%的噪声信号。支持向量机（SVM）模型通过非线性映射能力，成功捕捉到两种离子在宽浓度范围（0.001-1000 μg/L）内的复杂响应关系。实际检测中，该模型对Cu2?的检测限达到0.392 μg/L（相当于0.0004 ppm），对Hg2?的检测限更低至0.093 μg/L（0.000093 ppm），灵敏度分别达到44.122 μA·L·mg?1和143.795 μA·L·mg?1，显著优于传统电化学方法。

环境验证部分显示，该检测系统在自然水体中表现出优异的普适性。针对富营养化湖泊水样本（含多种有机污染物干扰）和水稻田灌溉水样本（存在复杂离子基质），检测回收率均维持在92%-105%之间，证实了方法的环境适用性。特别在汞离子检测中，通过引入硫掺杂的氧化还原活性位点，有效抑制了Fe3?、Pb2?等常见干扰离子的交叉响应，使得Hg2?检测灵敏度较纯TiO?材料提升近3倍。

该研究的技术突破体现在三个层面：首先，材料改性方面通过硫掺杂构建了"物理吸附+化学配位"的双机制，使电极对目标离子的选择性和响应度同步提升；其次，实验设计引入动态参数优化策略，将传统需要数十次独立实验的流程压缩至单次正交实验（N=9）即可完成多目标参数筛选；最后，数据解析采用机器学习与经典分析技术的融合模式，通过特征筛选（mRMR）去除80%以上的冗余信号，再利用SVM建立非线性回归模型，使检测精度达到97.3%置信区间（n=100）。

实际应用场景中，该检测系统展现出显著的工程价值。在南方某工业区的持续监测中，系统成功实现了对铜冶炼废水排放口的实时监控（检测频率达每小时1次），对汞污染事件的预警响应时间缩短至15分钟以内。经济性评估显示，相比传统分步检测法，该系统可降低60%的试剂消耗和75%的人力成本，特别适用于野外应急监测和长期生态监测等场景。

未来技术拓展方向包括：① 开发离子特异性修饰层，进一步提升复杂基质中的选择性；② 探索机器学习模型的可解释性增强技术，如SHAP值分析，以支持监管决策；③ 扩展检测离子种类，研究铅（Pb2?）、镉（Cd2?）等重金属的同步检测方法。该成果为环境电化学检测领域提供了重要的技术范式参考，特别在重金属污染的快速筛查和精准溯源方面具有重要应用前景。