基于机器学习的高锰酸钾与有机污染物反应活性预测

高锰酸钾(KMnO_(4))氧化能力强、性质稳定,是自来水厂处理微污染原水和突发污染事件的常见应急氧化药剂,高锰酸钾与有机污染物的反应速率常数(k值)是衡量其与有机污染物反应活性的重要参数。然而有机污染物种类繁多,单纯依靠试验方法或理论计算获得大量k值费时费力且成本高。为此,收集了574种有机污染物的数据,以分子指纹(MFs)和pH作为输入特征,利用4种算法(随机森林RF、神经网络NN、极致梯度提升XGBoost和支持向量机SVM),分别建立了预测k值的机器学习(ML)模型,发现4个模型均有良好的稳健性和预测能力,其中RF模型的预测性能最好(R测试集2=0.818,RMSE测试集=0.476)。采用SHAP方法对RF模型进行了模型解释,发现供电子基团、pH等对k值的预测影响最大,表明模型正确学习了k与污染物结构之间的关系。同时,计算了RF模型的应用域(AD)以验证其适用范围。该模型可准确、便捷地获得k值,有助于了解高锰酸钾与有机污染物的反应活性。