基于可解释混合XGBoost-BiLSTM-SHAP模型的工业园区有害VOCs高精度预测

《Atmospheric Pollution Research》：High-Accuracy Prediction of Hazardous VOCs in an Industrial Zone Using an Interpretable Hybrid XGBoost–BiLSTM–SHAP Model

　　

## 摘要

• XGBoost-BiLSTM 模型准确预测了工业区内四种挥发性有机化合物（VOCs）物种。
• 交叉站点验证对四种 VOCs 实现了高精度预测，R2 值高达 0.81。
• 与燃烧相关的污染物是四种 VOCs 的主要预测因子。

---

## 引言

挥发性有机化合物（VOCs）是关键空气污染物，既具有毒性健康风险，又作为光化学反应中与氮氧化物（NOx）及其他氧化剂反应生成地面臭氧（O?）和二次 PM?.? 的前体物（Chen 等，2021；Ma 等，2022；Mishra 等，2024；Wang 等，2024；Zhan 等，2022）。许多 VOCs，如苯、1,3-丁二烯、氯乙烯、甲苯、二甲苯、乙苯、甲醛和乙醛，被美国《清洁空气法》（U.S. Clean Air Act）列为有害空气污染物（HAPs）（U.S. EPA，1990）。急性暴露于 VOCs 与呼吸系统症状和慢性阻塞性肺病（COPD）相关（Murray 等，2020），而长期暴露则与心血管疾病（Choi 等，2023）、神经系统疾病及早产相关（Cassidy-Bushrow 等，2020）。近期，Xiong 等（2024）报告称，全球多达 40% 的人口可能暴露于致癌 VOCs 水平，如苯、甲醛和乙醛，其中亚洲地区的暴露率最高。这一结论与 Chen 等（2021）和 Mishra 等（2024）此前的研究一致。

东南亚（SEA）的大气 VOCs 研究主要集中在实地监测、化学特征表征、源解析、光化学反应活性、大气扩散及健康风险评估（Hien 等，2022；Hosaini 等，2017）。在越南胡志明市和河内，Hien 等（2022）报告 VOCs 谱系以烷烃（31–35%）和含氧 VOCs（27–33%）为主，与车辆燃烧示踪物一致。同样，Hosaini 等（2017）报告马来西亚吉隆坡的 VOCs 主要归因于汽油蒸发和车辆排放，而工业源的贡献仅占较小比例。在东南亚北部，Tala 等（2025）发现，在烟霾期间，VOCs 浓度及其光化学反应活性显著增加，生物质燃烧和跨界污染导致臭氧和二次有机气溶胶形成潜力较霾期前升高。在泰国，污染控制局（PCD）使用美国 EPA TO-15 方法常规监测 19 种 VOCs 物种，包括 1 种烯烃、1 种芳烃、2 种醛类、13 种含 F/Cl/Br/I 的卤代烃、1 种腈类/含氮化合物和 1 种其他类别（IARC，2017；Kampeerawipakorn 等，2017；PCD，2009；U.S. EPA，2020）。泰国的多数 VOCs 监测站及大多数 VOCs 研究均集中在曼谷和工业区，尤其是泰国东部经济走廊的罗勇府（Rayong）。Saeaw 和 Thepanondh（2015）采用正交矩阵分解法对曼谷和马普塔布（Map Ta Phut）的 VOCs 进行分类，将其分为移动源、工业源和家用源三组，并确定移动源在两站点的贡献均占主导地位。在罗勇府，Pinthong 等（2022）报告在马普塔布周边社区区域，芳香烃（尤其是甲苯）主导 VOCs 浓度和臭氧形成潜力，而卤代烃和烯烃则是工业区内部 VOCs 浓度的主要贡献者。此外，Jookjantra 等（2026）确定储罐和废水处理系统是罗勇府苯和 1,3-丁二烯排放的主要来源。同样，Malakan 等（2024）发现逃逸源驱动了 1,3-丁二烯的大部分慢性癌症风险，而道路车辆排放则是急性苯风险的主要贡献者。2024 年，罗勇府苯和 1,3-丁二烯的年均浓度分别为 1.38±1.2 μg/m3 和 1.69±0.5 μg/m3，均高于 PCD 设定的指导值（苯为 1.7 μg/m3，1,3-丁二烯为 0.33 μg/m3）（PCD，2009）。此外，文献中已提出甲苯、乙苯和二甲苯的指导值，通常引用的年均浓度分别约为 260、5 和 80 μg/m3（Mishra 等，2024）。在罗勇府，居民严重暴露于较高水平的 VOCs，这可能对人类健康产生重大影响。为充分表征这些风险，应常规监测每日 VOCs 浓度，尤其是高致癌风险物种的浓度。然而，PCD 运营的大气质量监测网络中每日 VOCs 数据仍十分有限。我们的实地调查显示，目前仅罗勇府马普塔布工业园内的 4 个站点使用实时 GC-FID 进行常规 VOCs 测量。尽管上述研究提供了关于 VOCs 发生情况、排放源、光化学效应、空间分布和人体暴露的关键证据，但尚未开发出一种高精度且可解释的混合机器学习框架，在缺乏连续实时监测的情况下预测单一有害 VOCs。

混合机器学习模型将基于序列的深度学习方法与结构化数据模型相结合，近年来在空气质量研究中日益受到重视，因为它们能够捕捉大气变量与污染物浓度之间复杂的非线性关系，从而提高预测精度（H. Xu 等，2023；Zhan 等，2022；K. Zhang 等，2025）。LSTM 和 XGBoost 模型已被广泛用于提高空气质量预测精度（Acharya 等，2025；Diaz 等，2025；Huang 等，2022；Noynoo 等，2025；Xu 等，2024）。这是因为单独的 LSTM 模型在捕捉复杂非线性特征交互方面效果较差，而单独的 XGBoost 通常难以处理时间序列数据中的时间依赖性（Noynoo 等，2025）。Liu 等（2025）也指出，整合 BiLSTM 和 XGBoost 的模型显著优于单独模型，因为混合模型能够同时捕捉时间依赖性和非线性特征交互。Noynoo 等（2025）表明，整合的 XGBoost-LSTM 模型在 2019–2020 年间对泰国南部 PM?.? 浓度的预测效果良好，R2 > 0.9。对于 VOCs 估算，Hsu 等（2020）表明，结合 XGBoost 算法的混合克里金-土地利用回归（LUR）模型在台湾 BTEX 浓度时空变化估算中表现最佳。Lu 等（2025）成功运用 LightGBM 估算了区域 VOCs 分布，并生成了未来 24 小时逐时分布图（空间分辨率为 1 km），在上海地区的 R2 = 0.53–0.94。近期，可解释机器学习框架，特别是 SHapley Additive exPlanations（SHAP），已与机器学习模型结合，用于解释空气污染的影响（Lundberg 等，2020；Lundberg 等，2018；Lundberg & Lee，2017），以及 VOCs 暴露对健康结局（Fu 等，2024；Ko 等，2025）和臭氧形成（Wang 等，2026；Yao 等，2025）的影响。Wang 等（2026）表明，共污染物气体（尤其是 NO? 和 VOCs）与关键气象因素（温度、太阳辐射、风速风向及边界层高度）共同解释了臭氧形成的大部分变异性，尤其在臭氧丰富和 VOCs 敏感条件下。在泰国，尤其是罗勇府，目前对 VOCs 特征及其主要预测因子的了解仍然有限，因为每日实时 VOCs 监测仍不充分。

鉴于上述关键空白，在东南亚石化工业区，尤其是泰国，对有害 VOCs 的高精度且可解释预测仍研究不足。因此，本研究旨在应用混合 XGBoost-BiLSTM 模型，利用空气污染物和气象数据预测四种有害 VOCs 物种（包括苯、甲苯、1,3-丁二烯和氯乙烯）的浓度，这些物种与急性和慢性人体健康风险相关。随后通过独立监测站点的交叉验证评估所提出模型的预测精度。此外，采用 SHAP 分析解释特征贡献，并识别工业环境中 VOCs 变异性的主要驱动因素。本研究是泰国及东南亚首次将混合 XGBoost-BiLSTM 模型结合 SHAP 可解释性应用于石化工业区有害 VOCs 预测的研究之一，填补了高精度、可解释 VOCs 预测这一持续存在的空白。这些发现可为该地区工业区的 VOCs 管理和监测策略提供参考。

---

## 研究区域与数据来源

泰国东部罗勇府的马普塔布工业园面积约 166 km2，是石化和重工业活动的主要中心，拥有大型炼油厂、化工制造厂、钢铁和燃煤发电设施，以及塑料、聚合物等相关下游化学加工行业等其他高能耗制造企业。这些化工过程操作可能排放有害 VOCs 和空气污染物，对……构成风险

---

## 研究区域与数据来源（续）

（注：原文在此处截断，以下为原文提供的后续片段翻译）

---

## VOCs 浓度的时间变化

图 3 展示了 2019–2021 年罗勇府马普塔布 BP 站苯、甲苯、1,3-丁二烯和氯乙烯的逐日时间序列。背景浓度水平上叠加的短峰表明存在 episodic（间歇性）排放，而不仅仅是连续稳定排放。大多数前人研究均支持，VOCs 时间序列通常表现为低至中等的背景浓度伴随偶发峰值（Jing 等，2024；Kim 等，2019；Z. Xu 等，2023）。本研究中的 VOCs 模式……

---

## 结论

本研究开发并评估了一种混合 XGBoost-BiLSTM 模型，用于预测泰国罗勇府马普塔布地区 1,3-丁二烯、苯、甲苯和氯乙烯的浓度，利用共污染物（PM?.?、O?、CO、NO?、SO?）和气象变量（Temp、RH、WS）作为输入。随后使用 SHAP 分析这些共污染物和气象变量对 VOCs 的影响，以解释模型。我们得出以下结论：

• 混合模型对相对……的 VOCs 表现出较强的泛化能力

---

## CRediT 作者贡献声明

Sayed Esmatullah Torabi：写作 – 审阅与编辑、形式化分析。
Racha Dejchanchaiwong：写作 – 审阅与编辑、验证、监督、资源、方法论、资助获取、概念化。
Thammasin Ingviya：方法论、数据管理。
Aree Choodum：验证、数据管理、概念化。
Laddawan Noynoo：写作 – 初稿撰写、可视化、验证、软件、方法论、调查、形式化分析、数据管理、概念化。
Bukhoree Sahoh：（未列出具体贡献）

---

## 未引用参考文献

Pimpisut 等，2005；Pinthong 等，2022；Xu 等，2023；Zhang 等，2025。

---

## 生成式 AI 及 AI 辅助技术在稿件准备过程中的声明

在本文撰写过程中，作者使用了 Quillbot 进行语法纠正和语言润色。使用完该工具后，作者对内容进行了审阅和编辑，并对已发表文章的内容承担全部责任。

---

## 利益冲突声明

? 作者声明不存在任何已知的财务利益冲突或个人关系可能影响本文所报告的工作。

---

## 致谢

本研究得到国家科学、研究与创新基金（NSRF）和宋卡王子大学（项目编号：ENG6801383S）的支持。我们感谢马普塔布镇市政厅空气质量网络及泰国污染控制局提供数据集。

---

## 作者列表

Laddawan Noynoo | Perapong Tekasakul | Nobchonnee Nim | Bukhoree Sahoh | Thammasin Ingviya | Aree Choodum | Sayed Esmatullah Torabi | Racha Dejchanchaiwong