科研学术
您的当前所在位置: 首页 - 科研学术 - 科研成果

孔令帅课题组在《ACS ES&T Water》上报道了矿物界面转化污染物的智能预测方法及软件

发布日期:2026年11月04日 15:05点击次数:

近日,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新污染物界面转化行为方向取得新进展。相关成果以“Interpretable Machine-Learning Prediction of Pollutant Adsorption and Degradation by MnO2 in Aqueous Systems”为题发表在环境科学领域权威期刊《ACS EST Water》上。山东大学生态环境损害鉴定研究院博士研究生宋晓诚为第一作者,孔令帅副研究员为通讯作者,山东大学为第一通讯单位。


揭示污染物的环境转化规律,是认识污染物环境归趋及环境法医学溯源过程的重要基础。自然环境中的污染物,其环境转化行为会持续受到温度、pH、水分状态及矿物类型等因素的影响,进而改变矿物与污染物之间的反应行为。如何准确预测环境矿物对污染物的界面转化行为,目前仍缺乏相应的方法与工具。针对这一科学问题,研究团队围绕天然环境中MnO2对污染物的吸附与非生物降解过程,系统整合近十年文献数据,构建了覆盖7类MnO2结构、48种有机污染物和27种无机污染物的数据库,并分别建立污染物最大吸附容量(qmax)和表观降解速率常数(kobs)的机器学习预测模型。结合SHAP和部分依赖图(PDP)解析模型,揭示了MnO2介导污染物吸附和降解具有显著不同的预测控制结构。进一步将最优模型集成至图形用户界面(GUI)软件,实现MnO2表面污染物吸附容量和降解速率的快速预测,为评估含锰水环境中污染物的迁移转化提供了数据驱动的新方法与新软件。

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。该工作得到了国家重点研发计划、山东省自然科学基金以及山东大学仪器设备自研自制项目等项目支持。

原文链接:https://doi.org/10.1021/acsestwater.6c01050