基于化学成分的机器学习方法预测细颗粒物氧化潜力研究

PM2.5暴露因氧化潜力（OP）引发健康风险。研究人员用机器学习模型，基于 PM2.5化学成分预测 OP，分析 119 个首尔样本。发现随机森林（RF）模型预测精度最高，为环境健康风险评估和政策制定提供新工具。

　　

在人类活动频繁的现代社会，空气中细颗粒物（PM_2.5）污染如同无形的健康杀手，时刻威胁着公众健康。PM_2.5之所以危害显著，关键在于其氧化潜力（Oxidative Potential, OP）—— 这种能力可诱导生物体内产生活性氧（Reactive Oxygen Species, ROS），引发氧化应激反应，进而成为呼吸系统疾病、心血管疾病等多种健康问题的重要诱因。然而，传统 OP 监测依赖人工实验，数据获取难度大，且难以捕捉 PM_2.5化学成分间复杂的非线性关系，导致精准健康风险评估面临瓶颈。如何突破数据和建模的双重限制，建立高效的 OP 预测模型，成为环境健康领域亟待解决的关键科学问题。

为攻克这一难题，韩国研究人员开展了一项具有创新性的研究。他们聚焦于 PM_2.5化学成分与 OP 的关联，试图借助机器学习（Machine Learning, ML）的强大数据分析能力，构建更具普适性的 OP 预测框架。这项研究成果发表在《Engineering Applications of Artificial Intelligence》，为 PM_2.5健康风险评估提供了全新视角。

研究人员主要采用了以下关键技术方法：

• 样本采集与分析：在 2019-2021 年间，于韩国首尔（37.59°N, 127.02°E）通过高容量采样器收集 119 个 PM_2.5样本，利用石英滤膜富集颗粒物，经超声提取和过滤处理后，分析其化学组成（如硫酸根（SO₄^2?）、硝酸根（NO₃^?）、铵根（NH₄⁺）、有机碳（Organic Carbon, OC）等），并通过二硫苏糖醇（Dithiothreitol, DTT）测定法评估 OP。
• 机器学习建模：构建 k - 近邻算法（k-Nearest Neighbors, kNN）、随机森林（Random Forest, RF）、全连接深度神经网络（Fully Connected Deep Neural Network, FCDNN）等模型进行 OP 预测，并引入可解释人工智能技术，通过特征重要性分析和 SHapley Additive exPlanations（SHAP）方法解析模型决策机制。

预测精度对比与模型性能

研究对不同机器学习模型的预测性能进行了系统评估。结果显示，在训练数据中，RF 模型表现出最高的预测精度，决定系数（R²）为 0.88-0.89；在测试数据中，RF 模型的 R²为 0.36-0.62，显著优于 kNN、FCDNN 和极端梯度提升（Extreme Gradient Boosting, XGBoost）模型（后两者测试 R²分别达 0.53 和 0.39）。与基准模型多元线性回归（Multiple Linear Regression, MLR）相比，RF 等机器学习模型展现出更强的非线性拟合能力，印证了机器学习在处理复杂化学组分关联中的优势。

可解释性分析与关键影响因素

通过 SHAP 等可解释 AI 技术，研究揭示了 PM_2.5化学成分对 OP 的贡献差异。结果表明，硫酸根、硝酸根、铵根、有机碳等组分与 OP 存在显著相关性，且多种化学物质间存在协同或拮抗效应。这一发现突破了传统单一成分分析的局限，证实了 OP 是多因素共同作用的结果，为深入理解 PM_2.5毒性机制提供了关键证据。

研究结论与意义

本研究首次通过多种机器学习模型系统预测 PM_2.5的 OP，证实了 RF 模型在整合复杂化学数据方面的卓越性能。研究结果不仅为 OP 预测提供了可靠的工具，还通过可解释 AI 技术阐明了关键化学组分的作用路径，为空气污染健康风险评估提供了 “数据 - 模型 - 机制” 的完整分析链条。随着 OP 测量自动化技术的发展，大规模数据集的积累将进一步提升模型精度，有望推动其在实时监测、政策制定和公共卫生干预中的广泛应用。

这项研究的重要意义在于，它打破了传统环境监测的技术壁垒，将人工智能与环境健康研究深度融合，为解析 PM_2.5的健康效应提供了跨学科的解决方案。未来，基于机器学习的预测模型有望成为连接空气污染监测与健康风险管控的核心工具，助力全球范围内的空气污染治理和公共卫生决策。