01 / RESEARCH QUESTION
研究问题
267条记录、7个输入，研究电极面积、载量、浓度及运行条件对容量的影响。
围绕电极与运行参数建立重金属电吸附容量模型，为CDI条件筛选提供数据支持。
02 / METHODS
研究思路与图1
图1a 电吸附与数据
施加电压后，多孔电极吸附水中离子。整理电极面积、载量及溶液和运行条件。
图1b 训练与检验
比较交叉验证、80:20与70/15/15划分，通过测试集和残差分布评价容量预测表现。
图1c 条件分析
用SHAP、PDP与ALE识别主要影响因素及非线性区间，支持电极和运行条件选择。
数据。267条记录包含电极几何面积、面载量、电压、时间、pH、初始浓度和离子摩尔质量7个输入，目标容量采用log1p变换。
03 / FINDINGS
核心结果
70/15/15划分下，XGBoost测试R²为0.9327，变换尺度上的RMSE为0.3106。可解释分析展示浓度、面积、载量和电压与容量预测之间的非线性关系。
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。
- CDI
- Capacitive Deionization｜电容去离子。
05 / REFERENCE
论文来源
Chenxu Dai 等
Interpretable machine learning for elucidating electrosorption mechanisms and optimizing heavy metal removal in capacitive deionization
Journal of Environmental Chemical Engineering 14 (2026) 124832
DOI: 10.1016/j.jece.2026.124832 ↗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。