基于机器学习的数据匮乏型含水层工业腐蚀与公共健康风险评估——以阿尔及利亚东北部为例

《Scientific Reports》：Machine learning assessment of industrial corrosion and public health risks in data limited aquifers of Northeastern Algeria

　　

工业化干旱地区面临双重挑战：确保新兴工业用水适宜性的同时，在长期数据匮乏的条件下保护公众健康。本研究在阿尔及利亚东北部直面这一问题，通过开发并验证一个可解释的机器学习框架，利用有限的地下水数据预测工业水质及相关健康风险。基于从苏夫河谷Debila和El-Oued地区采集的45个样本，研究人员训练了人工神经网络（ANN）、随机森林（RF）和决策树（DT）模型，用于预测七个腐蚀与结垢潜力（CSP）指数，即朗格利尔饱和指数（LSI）、瑞兹纳稳定指数（RSI）、侵蚀性指数（AI）、普科里乌斯结垢指数（PSI）、拉森-斯科尔德指数（LS）、氯硫质量比（CSMR）和雷维尔指数（RI），以及加拿大环境部长理事会水质指数（CCME-WQI）。理化分析揭示了普遍的水质恶化现象，60%的样本表现出腐蚀倾向（LSI<0），85%的样本显示出高腐蚀风险（RSI>6.8）。所有采样点均被CCME-WQI统一归类为“差”。蒙特卡洛模拟（10,000次迭代）证实，硝酸盐对儿童具有显著的非致癌健康风险（平均危害指数>1.0）。ANN和RF模型展现出强大的预测能力，在八个预测指数中的六个上取得了高于0.90的决定系数（R2）值。沙普利加法解释（SHAP）分析识别出了每个指数的主要水文地球化学驱动因子，为有针对性的监测提供了透明且可操作的依据。本研究提出了一种新颖、经过验证且可迁移的基于机器学习的决策支持工具，该工具同时整合了工业过程风险与公共卫生评估，为全球数据匮乏、正在工业化的地区提供了一种可复制的水管理范式。

一、研究背景与问题

在许多发展中国家，工业发展高度依赖水资源，尤其是在干旱和半干旱地区，快速工业化常与严重缺水并存。地下水作为这些地区的主要水源，常含有高浓度的溶解固体、氯化物和硫酸盐，会严重损害工业流程并威胁基础设施完整性，其中最普遍且经济代价高昂的后果便是供水管网和工业设施中的腐蚀与结垢问题。传统上，评估工业用水适宜性依赖于计算一系列经验指数，但这些指数的精确计算需要对多个物理化学参数进行全面的实验室分析。对于包括阿尔及利亚东北部撒哈拉地区在内的许多发展中地区而言，频繁、大规模的监测行动在物流和资金上都是难以承受的，造成了“数据悖论”：最迫切需要可靠水质数据的地区，往往最缺乏系统收集数据的能力。

此外，现有的大多数机器学习应用要么侧重于一般性水质指数预测，要么孤立地预测单一工业指数，鲜有研究能提供一个集成的机器学习框架，在数据稀缺背景下同时满足工业水管理的多方面需求：预测一套完整的腐蚀与结垢潜力（CSP）指数、评估整体资源质量、量化相关的人类健康风险，并提供可直接指导监测和管理政策的可解释结果。因此，开展此项研究旨在填补这一空白。

二、研究内容与结论

研究人员在阿尔及利亚东北部的苏夫河谷（Souf Valley）埃尔瓦德（El-Oued）和德比拉（Debila）地区开展了一项综合性研究。他们从45口生产井采集了地下水样本，进行了系统的物理化学表征，并评估了全套七个CSP指数和CCME-WQI。在此基础上，研究人员开发、优化并比较了人工神经网络（ANN）、随机森林（RF）和决策树（DT）三种机器学习模型的预测性能。为了揭示模型预测背后的驱动力，研究人员采用了沙普利加法解释（SHAP）分析。最后，利用蒙特卡洛模拟（MCS）定量评估了硝酸盐暴露对成人和儿童的非致癌健康风险。研究得出结论：ANN和RF模型在预测多数指数时表现出色（R2>0.90），SHAP分析成功识别了主导各指数的关键水文地球化学驱动因子，而蒙特卡洛模拟则证实了硝酸盐对儿童存在显著的非致癌健康风险。这项研究提供了一个可转移的决策支持工具，为数据匮乏的干旱地区实现可持续水资源管理建立了可复制模板。

三、关键技术方法

研究人员主要运用了以下关键技术方法：

1. 1.
   机器学习建模：采用人工神经网络（ANN）、随机森林（RF）和决策树（DT）三种算法，通过网格搜索交叉验证进行超参数优化，以预测腐蚀与结垢潜力（CSP）指数和加拿大环境部长理事会水质指数（CCME-WQI）。
2. 2.
   特征选择：应用前向序贯选择法，基于赤池信息准则（AIC）确定最优输入特征子集，并通过皮尔逊相关性分析处理多重共线性问题，将原始11个参数降至8个独立特征。
3. 3.
   模型可解释性分析：引入沙普利加法解释（SHAP）方法，量化每个输入特征对模型输出的贡献及其方向性影响，揭示模型预测的物理机制。
4. 4.
   概率健康风险评估：基于10,000次迭代的蒙特卡洛模拟（MCS），对硝酸盐通过口服和皮肤接触途径导致的非致癌风险进行概率性评估，计算危害商数（HQ）和危害指数（HI）。

四、研究结果

• •
  水质概况与CCME-WQI：物理化学分析显示水质普遍恶化。总溶解固体（TDS）浓度范围为1702至2790 mg/L，平均值为2347.24 mg/L。所有45个采样点的CCME-WQI值均在28.07至32.03之间，统一被归类为“差”（Poor）。然而，通过与阿尔及利亚国家标准和区域干旱区指南对比，研究人员指出这种分类可能低估了水质，因为CCME-WQI阈值源于加拿大淡水生态系统，未考虑干旱地区含水层的自然水文地球化学特性，例如高氯化物和硫酸盐浓度是当地蒸发岩溶解的自然特征而非污染指标。
• •
  腐蚀与结垢潜力（CSP）指数：通过对七个CSP指数的计算与分析，揭示了地下水对工业设施的潜在威胁。例如，朗格利尔饱和指数（LSI）显示约60%的样本呈负值，表明水体对碳酸钙（CaCO₃）不饱和，具有腐蚀倾向；瑞兹纳稳定指数（RSI）显示85%的样本（RSI>6.8）具有高腐蚀风险。其他指数如侵蚀性指数（AI）、普科里乌斯结垢指数（PSI）、拉森-斯科尔德指数（LS）、氯硫质量比（CSMR）和雷维尔指数（RI）也共同描绘了水体的复杂腐蚀与结垢特性。
• •
  多元统计分析：主成分分析（PCA）和层次聚类分析（HCA）被用于探索CSP指数之间的内在关系。PCA提取了代表不同方差维度的主成分，HCA则将指数聚类成组，共同揭示了控制系统行为的主要水文地球化学过程，如碳酸盐平衡与离子驱动的腐蚀作用。
• •
  机器学习模型预测性能：ANN和RF模型展现出强大的预测能力，在八个预测指数中的六个上取得了高于0.90的R2值，显著优于DT模型。这表明复杂的集成学习和神经网络模型在处理此类非线性关系时更具优势。严格的交叉验证和正则化策略确保了模型在有限样本量（n=45）下的稳健性和泛化能力。
• •
  SHAP可解释性分析：SHAP分析成功“打开”了黑箱模型，为每个CSP指数识别了最主要的水文地球化学驱动因子。例如，对于LSI，pH值和钙离子（Ca²⁺）浓度是关键的正向贡献者；而对于RSI，温度和总溶解固体（TDS）则更为重要。这为管理者提供了透明且可操作的干预靶点。
• •
  健康风险评估：确定性评估和概率性蒙特卡洛模拟（10,000次迭代）一致表明，硝酸盐对儿童的非致癌健康风险显著，其平均危害指数（HI）大于1.0，而对成人则不构成显著风险。这强调了针对儿童的优先保护措施的必要性。

五、讨论与结论

讨论部分强调，本研究提出的集成机器学习框架成功弥合了工业水管理与公共卫生评估之间的鸿沟。尽管CCME-WQI将所有样本评为“差”，但结合本地标准进行的重新解读表明，该地下水在农业和工业应用中仍具价值。SHAP分析不仅提升了模型的可信度，也为制定成本效益高的监测方案提供了科学依据。蒙特卡洛模拟的使用超越了传统的点估计方法，更真实地反映了风险的不确定性。

研究结论指出，本研究通过开发一个可解释的机器学习框架，成功解决了数据匮乏地区工业用水质量评估与健康风险整合分析的难题。ANN和RF模型的高精度证明了利用有限数据进行有效预测的可行性。该框架作为一个可转移的决策支持工具，为全球类似的干旱、工业化地区提供了一个可持续水资源管理的可复制范式，能够同时指导工业规划、基础设施维护和公共卫生保护策略。