基于机器学习的饮用水新兴消毒副产物卤代环戊二烯（HCPDs）预测模型构建与驱动因素解析

本文创新性地将机器学习（ML）技术应用于饮用水中新兴高毒性消毒副产物卤代环戊二烯（HCPDs）的预测研究。通过全国32城市自来水样本检测，首次系统量化四氯/六氯环戊二烯（TCC/HCC）浓度水平，并采用梯度提升（GB）和多层感知器（MLP）等算法构建了高精度分类模型（准确率>0.93）和回归预测模型。研究通过SHAP分析揭示总有机碳（TOC）和电导率是关键驱动因子，为ML技术在水质安全预警领域的应用提供了创新性解决方案。

　　

Highlight

机器学习模型成功预测自来水中新兴消毒副产物卤代环戊二烯（HCPDs）的存在与浓度水平，其中分类模型准确率最高达0.95，回归模型最佳R2为0.64。SHAP分析表明总有机碳（TOC）和电导率是主要驱动因素。

Chemicals and reagents

化学品与试剂

1,2,3,4-四氯-1,3-环戊二烯（TCC）和1,2,3,4,5,5-六氯-1,3-环戊二烯（HCC）标准品分别购自上海优申化学与江苏碳墨质检技术公司。氘代菲（Phe-d₁₀）和六氯苯（HCB）购自美国AccuStandard公司。无水硫酸钠（Na₂SO₄）和硫酸（H₂SO₄）来自国药化学试剂有限公司。

HCPD distribution in the tap water of 32 cities

32城市自来水中HCPDs分布特征

在开展自来水HCPDs研究前，必须确认其在源水中的本底值。如表S5所示，北京采集的4个源水样本（R1～R4）均未检出HCPDs。既往研究报道HCPDs在源水中未被检测到，但在饮用水样本中存在。这证实HCPDs并非天然环境组分，而是消毒过程中形成的新兴副产物。

Conclusion

结论

通过全国范围自来水检测，本研究首次揭示了HCPDs在中国各地的浓度水平与分布模式。基于水质参数数据，我们创新性地结合二元分类与回归模型构建了HCPDs的机器学习预测模型。分类模型精准预测了HCPDs的存在情况，而回归模型进一步量化其浓度水平，为推进机器学习在该领域的应用提供了理论支撑与宝贵见解。