01 / RESEARCH QUESTION
研究问题
466条记录、54种污染物、13类膜，采用尺寸比与随pH变化的分数电荷描述。
以尺寸比和分数电荷表征膜—溶质相互作用，量化位阻与静电效应的耦合响应。
02 / METHODS
研究思路与图1
图1a 物理含义明确的输入
整理466条记录，以溶质/膜孔半径比表征位阻，并纳入pH相关电荷等特征。
图1b 预测模型
通过交叉验证和测试集比较算法，建立膜截留预测模型，进一步检验跨文献和跨溶质泛化。
图1c 非线性与耦合
用SHAP、PDP和ALE分析尺寸比及电荷的响应，定位数据域内的变化区间。
数据。汇集28篇文献的466条观察记录，覆盖54种污染物和13类膜；采用尺寸比、pH相关电荷、膜性质及运行条件等8个输入变量。
03 / FINDINGS
核心结果
XGBoost随机留出测试R²为0.952、RMSE为4.080个百分点；研究同时报告留一文献和留一溶质验证。SHAP、PDP和ALE用于分析尺寸比与分子电荷的交互及响应区间。
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。
- 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。
05 / REFERENCE
论文来源
Zhanlin Ji 等
Quantifying steric–electrostatic coupling in nanofiltration via explainable machine learning
Journal of Membrane Science (2026) 125775，校样版本
DOI: 10.1016/j.memsci.2026.125775 ↗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。所用材料为校样版本。