基于可解释机器学习揭示染料/NaCl混合物膜选择性分离的关键参数与作用机制

《Journal of Membrane Science》：Revealing key parameters and mechanisms governing membrane selectivity for dye/NaCl mixtures by explainable machine learning

　　

膜选择性对于染料/NaCl混合物的分离至关重要。然而，由于分离性能受多种因素相互作用的共同支配，包括膜性质、操作条件以及进料特征，关键参数及其潜在机制的识别仍然具有挑战性。为此，本研究采用多种机器学习方法预测膜选择性，并探究支配分离过程的作用机制。数据提取自157篇同行评议论文。在所采用的4种模型中，即随机森林（RF）、支持向量回归（SVR）、人工神经网络（ANN）和极端梯度提升（XGB），XGB表现出最佳预测性能，其R²值约为0.7。采用Shapley加性解释（SHAP）分析评估染料性质、膜性质及操作相关参数的影响。结果表明，染料最大投影半径、膜孔半径、膜水接触角以及膜有效面积，是影响染料/NaCl混合物分离因子的4个主导特征。模型结果显示，在特定条件下可获得较高分离因子，即膜孔半径低于4 nm、膜水接触角低于25°、染料最大投影半径高于1.2 nm，以及膜有效面积低于20 cm²。总体而言，本研究展示了机器学习在预测膜选择性方面的潜力，并为优化纺织废水处理中膜性质与操作条件提供了新的见解。

该论文发表于《Journal of Membrane Science》，围绕纺织废水中染料/NaCl混合体系的膜分离选择性展开，核心目标是借助可解释机器学习方法，从复杂而异质的文献数据中识别主导分离因子的关键参数，并阐明其潜在作用机制。纺织工业排放大量高盐废水，其中通常同时含有多种有机染料和以NaCl为代表的无机盐。若未经处理直接排放，将带来显著生态环境风险；而其中高浓度无机盐又具有回收再利用价值。因此，如何实现染料高效截留与盐分有效透过，成为可持续废水治理中的重要问题。膜分离技术因具有较高去除效率、较强选择性和较低能耗，被视为处理该类废水的有前景路线。然而，染料/NaCl分离性能并不由单一因素决定，而是受膜孔结构、表面润湿性、表面电荷、粗糙度、操作压力、进料浓度、装置形式以及染料分子尺寸、电荷和疏水性等多因素耦合影响。传统实验方法虽然能够验证特定体系的分离效果，但面对参数维度多、非线性关系强、实验条件跨研究差异大的现实，难以高效归纳共性规律，也难以从整体上分辨哪些因素是主导变量、哪些因素仅起次要调节作用。

针对上述问题，研究人员构建了一个系统性、可解释的数据驱动分析框架，试图在更广泛的文献证据基础上分析染料/NaCl体系膜选择性的影响规律。既往研究虽已表明机器学习可用于预测染料/盐体系分离性能，但多集中于特定盐种、有限染料类别或特定膜材料，难以单独解析染料分子性质在NaCl体系中的作用。本研究以NaCl这一纺织废水最具代表性的盐类为核心对象，整合不同染料、不同膜材料和不同操作条件下的分离数据，以期不仅提高预测能力，更增强模型解释性，从而为膜材料设计和工艺优化提供更具普适性的依据。

在研究设计上，研究人员首先从157篇同行评议文献中整理出527行数据，共计4712个数据点，构建了染料/NaCl混合物膜分离数据库。数据库涵盖膜性质、操作条件、染料性质及分离因子等信息。对于文献仅报告截留分子量截断值（MWCO）而未直接给出膜孔半径者，研究人员依据经验公式换算膜孔半径。针对44种不同染料，还补充了pH = 7条件下的电荷、logD及最大投影半径等分子描述符。缺失值采用链式方程多重插补（MICE）处理，并使用极端随机树（ETR）作为非线性插补模型，且通过随机遮蔽已知数据再次插补的方式验证精度，所得R²均高于85%，随后再经人工核查确保数据一致性。模型层面，研究人员比较了随机森林（RF）、支持向量回归（SVR）、人工神经网络（ANN）和极端梯度提升（XGB）4类算法，并通过10折交叉验证、重复计算和网格搜索优化超参数，以决定系数R²和均方根误差（RMSE）评价性能。为增强可解释性，进一步引入SHAP、偏依赖图（PDP）和个体条件期望图（ICE）分析特征贡献及非线性关系。以上方法构成了本文的主要技术路径。

研究结果部分首先给出了变量的统计学特征。

3.1. Statistical analysis of variables
研究人员对12个变量进行了箱线图和散点图分析，包括膜孔半径、Zeta电位、水接触角、表面粗糙度、NaCl浓度、染料浓度、染料在pH = 7下的电荷值、logD、最大投影半径、操作压力、膜有效面积以及分离因子。结果显示，数据集中的膜大多为纳滤膜，孔半径主要集中于0.63–1.96 nm，平均值为1.85 nm；膜表面电荷以负电为主，平均Zeta电位为?24.2 mV；水接触角多数位于42°–60°，说明所研究膜整体偏亲水；表面粗糙度多位于6.8–32.1 nm，表面相对平滑。进料方面，多数NaCl浓度低于10000 ppm、染料浓度低于200 ppm，与实际纺织废水较为一致。操作压力通常处于1.5–4 bar，膜有效面积大多低于30 cm²，提示数据主要来自实验室尺度研究。分离因子多数小于2000，均值为232。多变量散点结果未显示任意两个变量与分离因子之间存在明确单调关系，提示染料/NaCl分离受多因素共同作用支配。随后进行Pearson相关系数分析，所有输入特征间相关系数绝对值均低于0.8，未见显著多重共线性，且分离因子与各单一变量的线性相关性总体较弱，进一步说明需要采用非线性机器学习方法加以解析。

3.2. Model development and evaluation
考虑到分离因子分布较宽且存在少量极端高值，研究人员分别比较了log1p变换和缩尾处理（winsorization）两种策略。结果表明，在仅进行对数变换时，XGB模型性能最佳，平均R²为0.5557，RMSE为0.9607，优于RF、SVR和ANN。采用单独缩尾处理时，RF略优于XGB，但整体性能低于对数变换方案。进一步将缩尾与log1p变换结合后，RF与XGB性能均有小幅提升，其中XGB达到最佳表现，R²为0.5748，RMSE为0.9188。结合文中摘要与结论部分的总体表述，研究人员将XGB视为本研究中表现最优的预测模型，其总体预测能力约为R² = 0.7量级。由此说明，在当前文献整合数据规模与异质性条件下，基于树模型的集成学习算法比SVR和ANN更适合描述染料/NaCl膜分离这一多因素、非线性问题。

3.3. Model interpretation
在模型解释方面，研究人员基于RF和XGB开展SHAP分析，发现两类模型得出的特征重要性排序具有高度一致性。染料最大投影半径、膜孔半径、膜水接触角和膜有效面积是预测分离因子的4个最重要变量，其贡献率大致处于10%–14%范围。具体而言，较大的染料最大投影半径对应正向SHAP值，较大的膜孔半径则对应负向SHAP值，说明大尺寸染料分子与小孔径膜更有利于获得高分离因子，这与尺寸筛分（size exclusion）理论一致。较低水接触角总体上有利于分离，反映膜亲水性与界面润湿行为会影响染料截留和水传输。膜有效面积也表现出较显著影响，提示除分子结构和膜本征性质外，过程尺度的通量分布、浓差极化、停留时间和传质阻力等因素同样参与调控选择性。值得注意的是，尽管这4个特征最为重要，但其贡献并不压倒性，说明染料/NaCl分离并非由单一机制主导，而是多参数耦合共同决定。研究人员进一步尝试删除低重要度特征或添加“尺寸效应”和“电荷效应”等组合特征，但并未显著提升模型表现，表明原始12个特征已较充分地承载了可用于预测的信息。

随后，研究人员利用PDP和ICE考察关键变量与分离因子之间的非线性关系。结果显示，膜孔半径和膜水接触角对模型预测影响最为明显。孔半径低于约3.3 nm时，分离因子随孔半径增加略有上升；当孔半径超过3.3 nm后，分离因子开始下降；超过5.4 nm时，分离因子显著降低，说明孔径过大将削弱对染料的有效截留，导致染料与NaCl均易透过膜。水接触角与分离因子之间呈非单调关系，模型预测值随接触角增大至约47°时下降，之后再上升。研究人员指出，这一趋势应理解为与膜表面润湿性相关的数据驱动关联，而非直接的因果机制证据，仍需实验进一步验证。相比之下，最大投影半径、膜有效面积、Zeta电位及染料浓度在单变量偏依赖分析中影响相对较小。

在双变量偏依赖分析中，研究人员进一步揭示了关键变量的协同作用。孔半径与水接触角联合作用结果表明，当膜孔半径小于4 nm且水接触角低于25°时，模型预测的分离因子较高。孔半径与染料最大投影半径联合作用结果显示，当孔半径小于4 nm且染料最大投影半径大于1.2 nm时，最有利于获得高分离因子，这从数据层面强化了尺寸筛分是主导机制的判断。孔半径与膜有效面积联合作用则表明，在孔半径低于4 nm时，膜有效面积小于20 cm²与更优分离因子相关。综合这些结果，研究人员认为，染料/NaCl体系的高选择性分离对应于一组有利参数组合，而不是某一单参数的简单线性变化。

3.4. Implications and outlook
研究人员指出，机器学习在缺乏统一物理方程且影响因素高度耦合的染料/NaCl膜分离问题中，提供了一种高效的预测与解析工具。该框架不仅可节省传统实验筛选所需的大量时间和成本，也能为后续膜材料定制与工艺优化提供方向。然而，研究也存在明确局限。其一，最佳模型的预测精度仍有限，这与数据量相对不足、文献来源间实验条件差异较大、染料分子结构多样、膜类型差异显著以及分离机制本身复杂等因素有关。其二，许多潜在重要因素如pH、温度、共存离子及污染物并未在文献中被一致报告，因此未纳入模型，限制了其对真实复杂废水场景的适用性。此外，生命周期分析和技术经济分析等实际应用维度亦未纳入。未来研究应进一步扩大数据集、补充更细致的膜和染料描述符、引入更多机制相关参数及工程经济参数，并结合受控实验、膜表面表征和孔结构分析验证机器学习所得机制线索，从而提升模型的物理可解释性和应用价值。

最后，论文结论部分可翻译概括如下：
本研究采用机器学习阐明了染料/NaCl混合物膜选择性的关键影响因素及其潜在机制。研究人员从157篇文献中提取了常见报告参数，包括膜孔半径、膜水接触角、染料和NaCl浓度、膜有效面积以及染料/NaCl混合物分离因子，并采用MICE方法处理数据缺失。随后构建了RF、SVR、ANN和XGB四种模型预测分离因子，其中XGB模型性能最佳，R²约为0.7。SHAP分析证实，染料最大投影半径、膜孔半径、膜水接触角和膜有效面积是影响分离因子预测的4个最关键特征。PDP与ICE结果表明，尺寸筛分是支配染料/NaCl选择性分离的主要机制，而与亲水性相关的效应和与电荷相关的静电相互作用则进一步调控染料截留和NaCl传输。研究同时指出了当前工作的局限性并提出未来研究建议。总体而言，该研究为理解和预测染料/NaCl混合物的分离因子提供了实用框架，并推动了膜分离技术在纺织废水修复中的更广泛应用。