《Environmental Science & Technology》:Predicting PFAS Exposure Risks from Rural Private Wells Using Integrated Mechanistic and Machine-Learned Bayesian Network Models
编辑推荐:
全氟和多氟烷基物质(PFAS)对饮用水管理提出了复杂挑战,尤其是在依赖联邦监管范围之外的私井的农村社区。随着监管机构和社区应对不断变化的标准和有限资源,迫切需要可扩展、准确且资源高效的模型来评估PFAS暴露风险。本研究比较了传统机理地下水模型与机器学习贝叶斯网
全氟和多氟烷基物质(PFAS)对饮用水管理提出了复杂挑战,尤其是在依赖联邦监管范围之外的私井的农村社区。随着监管机构和社区应对不断变化的标准和有限资源,迫切需要可扩展、准确且资源高效的模型来评估PFAS暴露风险。本研究比较了传统机理地下水模型与机器学习贝叶斯网络以及集成两种模型类型的混合方法。以六氟环氧丙烷二聚酸(hexafluoropropylene oxide dimer acid,通常称为GenX)在北卡罗来纳州费耶特维尔工厂(Fayetteville Works Plant)附近的污染为案例,研究人员评估了每种模型:(1)识别超过健康基准GenX阈值的井的能力,(2)对不完整数据的稳健性,以及(3)开发和校准时间。结果表明,贝叶斯网络在分类性能上达到或超过机理模型,同时在缺失数据和不同决策阈值下具有更高的稳健性,并且建模资源需求更低。将机理输出纳入贝叶斯网络的混合模型实现了最高性能,表明机理见解可以改进贝叶斯网络预测。这些发现支持一个灵活的建模框架,该框架能够适应不断变化的法规和新出现的污染物,而无需重新校准完整的基于过程的模型,为监管机构和社区推进PFAS风险管理提供了实用工具。
**论文解读:集成机理与机器学习贝叶斯网络模型预测农村私井PFAS暴露风险**
**研究背景与问题**
全氟和多氟烷基物质(PFAS)在私井中的广泛检出,特别是靠近工业设施、军事基地及PFAS污染废水生物固体农用区域的私井,引发了公众和监管机构对农村饮用水供应脆弱性的高度关注。美国约13%至17%的居民依赖私井饮用水,但这些系统不受《安全饮用水法》监管,私井用户缺乏污染物数据获取和监测能力。尽管公共和私人水源均易受PFAS污染,但由于缺乏监管和规模经济,对私井进行大规模数据收集和建模几乎不可能,导致私井用户可能因缺乏风险认知、技术及财政资源而暴露于PFAS风险。传统机理地下水模型在模拟PFAS迁移转化时耗时、资源密集且难以扩展,其准确性受限于PFAS化合物广泛的物理化学性质、历史分析方法的局限性以及低浓度下迁移原理的不确定性。此外,共污染物、土壤特性及空气-水界面相互作用进一步复杂化了预测。机器学习模型在模拟化学污染物方面具有计算优势,但应用于PFAS私井预测的研究较少,且常面临数据预处理、类别不平衡和模型验证不一致的挑战。混合模型(集成机理与机器学习)可结合两者优势,但在此领域尚无系统比较。本研究旨在比较机理、机器学习贝叶斯网络及混合模型在预测私井GenX暴露风险方面的性能、稳健性和效率,为环境机构和社区提供可扩展的PFAS风险评估工具。
**研究内容与结论**
研究人员以美国北卡罗来纳州费耶特维尔工厂附近氟化工厂导致的GenX污染为案例,开发并比较了四种模型:(1)传统机理模型(模拟地下水流动与污染物迁移);(2)纯机器学习贝叶斯网络模型;(3)部分混合模型(将机理模型的地下水流动特征纳入贝叶斯网络);(4)完全混合模型(将机理模型的地下水流动特征和GenX浓度预测纳入贝叶斯网络)。所有模型旨在预测私井中GenX浓度是否超过两个健康阈值:140 ppt(北卡罗来纳州原健康咨询水平)和10 ppt(美国环保署新颁布的最大污染物水平)。结果表明,所有贝叶斯网络模型在分类性能上均优于机理模型,完全混合模型在所有指标(AU-ROC、AU-PR、AU-F2)上表现最佳。在数据不完整(缺失井深)的情况下,贝叶斯网络和混合模型保持稳健性,性能下降有限。机理模型开发耗时约510小时,而机器学习模型仅需约7小时。完全混合模型虽初始开发耗时最长,但重新训练效率高。敏感性分析显示,影响GenX风险的关键变量包括机理模型预测的GenX浓度、GenX空气沉降速率、距工厂距离、方位角、井深及土壤特性。该研究首次系统比较了机理、机器学习和混合方法在PFAS暴露风险预测中的表现,证明了混合模型在准确性、稳健性和效率上的优势,为应对不断变化的法规和新兴污染物提供了灵活建模框架。该论文发表在《Environmental Science》。
**主要关键技术方法**
研究人员采用以下关键技术:1. **机理模型**:利用MODFLOW-NWT-SWR1(版本1.2.0)构建三维地下水流动模型,并通过PEST软件套件进行自动参数估计与校准,基于美国地质调查局(USGS)和北卡罗来纳州水资源部的钻孔数据建立模型分层;随后使用MT3DMS(版本5.3)建立污染物迁移模型,同样通过PEST校准参数(包括源浓度、吸附分配系数和弥散度)。2. **机器学习贝叶斯网络**:使用BayesiaLab v11.6,通过扩增朴素贝叶斯(Augmented Na?ve Bayes)结构学习算法,结合数据预处理(离散化、缺失值插补、维度降低)和五折交叉验证。3. **混合模型**:将机理模型输出的地下水流动特征(三维流速、流向、潜水面深度)和GenX浓度预测作为额外变量加入贝叶斯网络训练。样本队列来源:2017-2019年由北卡罗来纳州环境质量部和Chemours公司收集的1205口私井数据,以及前期研究补充的井特征、环境变量等422个潜在预测变量。
**研究结果**
**3.1 机器学习模型保留的变量**
- 预测GenX>140 ppt的原始贝叶斯网络保留8个变量:GenX空气沉降速率、距工厂径向距离、方位角、土壤容重、土壤pH、土壤有机碳、井深和地面高程。
- 预测GenX>10 ppt的新模型保留除地面高程外的相同变量。
- 部分混合模型(140 ppt阈值)新增3个流动模型输出:垂直流速、水平流速和潜水面深度;10 ppt阈值模型仅新增三维地下水流动速率。
- 完全混合模型在两个阈值下均包含机理模型预测的GenX浓度及三个地下水流动变量。
**3.2 模型准确性**
- 在424口已知深度井中,所有贝叶斯网络在AU-ROC、AU-PR和AU-F2指标上均优于机理模型。
- 完全混合模型在所有指标上表现最佳:140 ppt阈值下,AU-ROC平均0.959(SD=0.009),AU-PR平均0.888(SD=0.013),AU-F2平均0.758(SD=0.067);10 ppt阈值下,AU-ROC平均0.817(SD=0.010),AU-PR平均0.905(SD=0.006),AU-F2平均0.775(SD=0.173)。
- 机理模型在140 ppt下AU-ROC为0.832(SD=0.005),但AU-PR和AU-F2较低(0.645和0.578),表明其在高浓度下漏报率高。
- 在10 ppt低阈值下,所有模型AU-ROC均低于140 ppt,但贝叶斯网络仍优于机理模型,特别是AU-F2指标显示其更稳健。
**3.3 数据不完整时的预测稳健性**
- 贝叶斯网络和混合模型在全部1205口井(含781口缺失井深)上的性能与424口子集相比下降有限,表明其处理缺失数据能力优异。
- 完全混合模型在完整数据集上的性能仍最高,但优势略有缩小(140 ppt阈值下AU-ROC从0.959降至0.920)。
**3.4 模型效率**
- 机理模型初始开发需510小时(372小时主动,138小时被动),重新训练需170小时;机器学习模型仅需7小时初始开发,重新训练只需3小时。
- 完全混合模型由于包含机理模型开发,初始耗时最长,但重新训练与机器学习模型相当。
**3.5 敏感性分析**
- 完全混合模型中,机理模型预测的GenX浓度是影响最大的变量(140 ppt阈值下最显著,10 ppt阈值下第三显著)。
- GenX空气沉降速率、井深、土壤特性、距工厂距离和方位角在所有模型中均为重要预测因子。
- 仅使用空间坐标的替代模型AU-ROC分别为87%(140 ppt)和74%(10 ppt),表明高浓度风险主要受工厂影响,低浓度风险更依赖水文地质因素。
**讨论与结论**
本研究系统比较了机理、机器学习和混合模型在预测PFAS(GenX)暴露风险中的表现。混合模型(特别是完全混合模型)在准确性、稳健性和效率上均优于纯机理或纯机器学习方法,首次证实了混合方法在PFAS风险预测中的价值。机理模型在低浓度模拟中表现不佳,而贝叶斯网络对类别不平衡和决策阈值变化更稳健。结论部分翻译如下:研究结果表明,机器学习与混合模型为PFAS风险预测提供了实用优势。对于机构而言,这些模型可作为适应科学和政策变化的灵活工具,优先进行干预;对于私井用户,高AU-F2的模型可降低因模型误差漏检潜在风险井的概率。当模型间性能无显著差异时,表明额外建模或数据收集的边际预测收益有限。总体而言,这些发现强调了将数据驱动方法与传统模型相结合,以支持PFAS污染区域社区意识和公共卫生保护的价值。