固体废物非法转移与倾倒案件频发，但由于不同企业产生的工业固废在外观和常规理化特征上往往高度相似，来源企业难以准确识别，成为生态环境执法与环境司法中的关键技术瓶颈。针对这一长期困扰环境法医学领域的“固废溯源难题”，山东大学生态环境损害鉴定研究院孔令帅副研究员课题组在固体废物溯源技术方面取得重要进展。相关成果以“Machine learning-coupled multi-elemental fingerprinting for high-accuracy source identification of distillation residues: A novel strategy for industrial waste traceability”为题发表在环境科学领域TOP期刊Journal of Hazardous Materials（中科院一区，影响因子11.3）。硕士研究生孙乙清为第一作者，孔令帅副研究员为通讯作者，山东大学为第一完成单位。

针对传统固体废物溯源方法分辨率低、难以区分来源相近企业的问题，课题组从环境法医学“物证溯源”思路出发，提出基于多元素指纹特征的固废识别新策略。研究团队系统分析了不同企业及生产工艺条件下蒸馏残渣的元素组成差异，发现工业固废在微量元素分布上具有稳定且可识别的“元素指纹”。在此基础上，研究团队创新性构建了 “电感耦合等离子体原子发射光谱（ICP-AES）+机器学习算法” 的耦合分析方法。该方法通过高通量元素检测获取多元素指纹信息，并利用机器学习模型挖掘复杂元素组合特征，实现对固体废物来源企业的精准识别。实验结果表明，即使在不同企业产生的蒸馏残渣元素组成高度相似的情况下，该模型仍可实现 98.18%的溯源识别准确率，显著提升了工业固废来源判定的可靠性与精度。该研究首次将多元素指纹识别与机器学习深度融合应用于工业固废溯源，为复杂工业固废来源识别提供了一种高精度、可推广的新技术路线。相关成果有望为生态环境执法、环境损害司法鉴定以及危险废物非法倾倒案件调查提供关键技术支撑，对推动环境法医学和生态环境监管技术的发展具有重要意义。

孔令帅课题组主要从事土壤矿物界面化学转化新污染物、“人工智能+化学测量学”溯源技术等方向的研究，通过解析新污染物在土壤矿物界面的吸附、水解、氧化等环境行为，揭示新污染物的环境迁移转化行为，为开发环境生态体系中新污染物的精准溯源技术与装备提供理论与技术支撑。该工作得到了海南省重点研发计划、国家自然科学基金、山东省自然科学基金等项目的资助。

欢迎有奇思妙想、科学热情和环境、化学或材料背景的同学加入课题组。

原文链接： https://doi.org/10.1016/j.jhazmat.2026.141699