基于机器学习预测中国自来水卤代环戊二烯类消毒副产物的分布特征与驱动因素

本综述系统探讨了机器学习（ML）在预测新兴消毒副产物（DBPs）——卤代环戊二烯类化合物（HCPDs）中的应用。研究通过全国范围采样首次量化了TCC与HCC的浓度，并利用水质参数（如TOC、电导率等）构建了高精度分类（GB/MLP）与回归（AdaBoost/MLP）模型，结合SHAP分析揭示了关键驱动因子，为ML在饮用水安全领域的推广提供了理论支撑与实践路径。

　　

Section snippets

Chemicals and reagents

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科技有限公司和江苏碳摩质检科技有限公司。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）则来自国药集团化学试剂有限公司。

HCPD distribution in the tap water of 32 cities

在探究自来水中的HCPDs分布前，需先确认其在水源水中的存在情况。如表S5所示，从北京采集的四个水源水样本（R1～R4）中均未检测到HCPDs。既往研究也报道称水源水中未检出HCPDs，但在饮用水样本中存在（Li et al., 2022; Richardson et al., 1999）。这一证据支持了HCPDs并非天然环境成分，而是消毒过程中形成的副产物这一假设。

Conclusion

通过全国范围的自来水检测与分析，本研究首次揭示了HCPDs在中国各地的浓度与分布模式。基于浓度数据与水质参数，我们提出了结合二元分类与回归模型的机器学习预测策略。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了其浓度水平，为饮用水安全风险评估提供了有力工具。