《Chemosphere》:Prediction of formaldehyde emissions from wood-based panels containing amino plastic resins using non-linear regression analysis and machine learning
编辑推荐:
确定甲醛释放量是人造板源控制的关键环节。非线性WKI_2方程作为Andersen方程的修正形式,常依据测试舱浓度及边界条件如温度(T)、相对湿度(RH)、换气次数(AC)与承载率(L)推导材料相关释放参数。该方程系数经非线性最小二乘算法确定,使计算稳态浓度尽可
确定甲醛释放量是人造板源控制的关键环节。非线性WKI_2方程作为Andersen方程的修正形式,常依据测试舱浓度及边界条件如温度(T)、相对湿度(RH)、换气次数(AC)与承载率(L)推导材料相关释放参数。该方程系数经非线性最小二乘算法确定,使计算稳态浓度尽可能贴合实验数据。因WKI_2方程此前仅经刨花板验证,本研究补充中密度纤维板与胶合板实验数据集,统计分析显示其与刨花板数据集吻合良好。非线性回归分析中WKI_2六系数部分相关且对初值敏感;替代方案为神经网络回归,其优势在于识别无显式物理假设下经典模型难表征的非线性模式,且对测量误差更鲁棒,但需训练以确定隐层与神经元最优组合。本工作比较表明,模型函数与机器学习两种途径均为更精确可靠的释放预测提供较大潜力。
研究背景方面,甲醛(formaldehyde)自1962年Wittmann发表刨花板(particleboard)后续释放研究以来,历经IARC(2006)人类致癌物分类、WHO室内指导值及欧盟2023年法规(2026年8月6日生效,舱浓度限值0.062 mg/m3)等多重管控。脲醛(urea-formaldehyde, UF)树脂缩合可逆,自由甲醛比例受温度、湿度及透湿性影响。不同标准(EN 717-1、EN 16516、ASTM D6007-14)舱参数与样品制备差异导致结果不可直接换算,Salthammer(2024)证实EN 16516规定的稳态浓度向其他承载/换气条件转换对人造板不可行。Andersen(1975)方程在低释放新胶种下偏差增大,Meyer等基于128组刨花板数据建立WKI_2方程,但仅限刨花板验证。本研究由Fraunhofer WKI的Tunga Salthammer与Bettina Meyer开展,旨在扩展WKI_2至中密度纤维板(MDF)与胶合板(PLY),并对比非线性回归与神经网络回归(neural network regression, NNR)性能,论文发表于《Chemosphere》。
关键技术方法上,研究人员构建160组实验训练集(128组刨花板来自Salthammer 2024 + 32组新增MDF/PLY按EN 717-1在1 m3与225 L舱测得稳态浓度,乙酰丙酮法荧光/吸收光谱检测),另设54组刨花板与24组MDF实验测试集、96组模拟测试集(WKI_2生成)。非线性回归采用OriginPro 2026用Levenberg–Marquardt算法结合手动网格搜索拟合WKI_2的A1–A6系数;机器学习采用同平台NNR工具(scikit-learn后端,tanh激活,5折交叉验证),系统遍历隐层组合(64)、(8 8)、(3 4 5)、(4 4 4)、(4 4 4 4)、(5 5 5 5 5),以RSS、R2、RMSE择优选型。拟合与训练均以CHCHOss/CHCHO(ref)ss比值消除参考值绝对量影响。
研究结果部分,3.1节更新WKI_2方程:将32组MDF/PLY并入原128组刨花板得160组训练集,非线性回归获A1=0.23、A2=0.046、A3=1.40、A4=0.040、A5=1.51、A6=1.95,χr2=2.25(优于Salthammer 2024的3.02);Fig.1显示三类板材数据随机散布于1:1线周围,加权残差(Rw)Shapiro–Wilk检验不拒正态假设,MDF/PLY残差微偏正(22正10负,<2%随机),绝对相对偏差中位数0.12、90分位0.22、最大0.35,证实WKI_2可跨刨花板/MDF/PLY通用。3.2节神经网络回归:以4输入(T、RH、AC、L)对1输出(浓度比)训练,交叉验证选NNR(4 4 4 4)最优;96组模拟测试上其与WKI_2预测橙圈重合度高,灰圈NNR(64)离散更大,NNR(4 4 4 4)对WKI_2的加权残差微偏负,固定过零线性回归斜率1.07,证明4隐层4神经元结构可等效复现WKI_2。3.3节实验测试集对比:54组刨花板中WKI_2(χr2=2.36)与NNR(4 4 4 4)(χr2=2.33)近似,NNR残差分布更对称;24组MDF中WKI_2 χr2=3.70、NNR 4.54,Fig.5箱线显示两者90%绝对相对偏差分别约0.30与0.41,NNR略优但MDF样本量小削弱显著性。
讨论与结论翻译:将刨花板舱稳态甲醛浓度转换至其他温度、相对湿度、换气率与承载率是重要且艰巨任务,随欧盟修订法规生效尤甚。Meyer等将Andersen方程发展为WKI_2;本研究新增32组MDF/PLY测量确认修正Andersen方程可推广至氨基塑料树脂粘接其他人造板。非线性回归所得A1–A6较Salthammer(2024)128组刨花板拟合更优。人工智能已革新科研,NNR以更低拟合成本达等效或更优结果,但隐层/神经元设计非黑箱。现有训练集下WKI_2与NNR均可靠预估不同条件释放量;舱参数允差本身致±10%波动,WKI_2优势在宽浓度范围统计适用,新增数据与方法进一步提升预测力,单品评估受固有不确定度限制。