01 / RESEARCH QUESTION
研究问题
615条记录覆盖CTA与TFC膜，比较12种模型，分析膜与污染物性质的共同作用。
融合膜性质与污染物分子特征，建立有机微污染物截留的可解释预测流程。
02 / METHODS
研究思路与图1
图1a 研究对象
收集商业正渗透膜去除有机微污染物的文献数据，关联膜性质、分子性质与截留性能。
图1b 模型开发
按80:20划分训练与测试数据，结合五折交叉验证和网格搜索建立XGBoost等模型。
图1c 作用因素解释
通过相关分析、PDP和SHAP，分析分子尺寸、疏水性、水通量与电荷等因素。
数据。615条记录覆盖CTA与TFC膜体系，比较12种回归模型，采用训练测试划分、五折交叉验证及重复随机划分评价预测表现。
03 / FINDINGS
核心结果
XGBoost测试R²为0.90，RMSE为7.939个百分点；六输入简化模型R²为0.84。解释分析展示分子尺寸、水通量和溶质疏水性对预测的贡献。
04 / GLOSSARY
术语说明
- SHAP
- SHapley Additive exPlanations｜夏普利加性解释：量化特征对模型预测的贡献。
- R²
- 决定系数：衡量模型对目标变量变化的解释程度。
- RMSE
- Root Mean Square Error｜均方根误差：预测误差的量级，单位随目标变量而定。
- LMH
- L·m⁻²·h⁻¹｜每平方米膜面积每小时通过的液体升数，是体积通量单位。
- PDP
- Partial Dependence Plot｜部分依赖图：展示模型平均响应。
- XGBoost
- Extreme Gradient Boosting｜极端梯度提升。
- TFC
- Thin-Film Composite｜薄膜复合膜。
- CTA
- Cellulose Triacetate｜三醋酸纤维素。
05 / REFERENCE
论文来源
Jinyun Liu 等
Data-driven modeling and explainable optimization of organic micropollutant removal in forward osmosis membranes
Journal of Environmental Chemical Engineering 14 (2026) 120805
DOI: 10.1016/j.jece.2025.120805 ↗图表来源：上述论文原图。研究解读据科研成果汇报材料整理；模型候选设计与实验验证结果按原文区分。