论文标题：Current applications and future impact of machine learning in emerging contaminants: A review

论文作者：Lang Lei, Ruirui Pang, Zhibang Han, Dong Wu, Bing Xie & Yinglong Su

文章简介：随着污染物不断释放到环境中，其潜在风险引起了人们的广泛关注，并对其识别、环境行为生物影响和去除进行了大量研究。由于处理高维和非结构化数据的优势，一种新的数据驱动方法——机器学习（ML）已逐渐应用于新污染物（ECs）的研究。这篇综述描述了ML的基本原理、算法和工作流程，并总结了ML在典型EC（全氟烷基和多氟烷基物质、纳米颗粒、抗生素抗性基因、内分泌干扰物、微塑料、抗生素以及药物和个人护理产品）中的应用进展。ML方法在预测或分析EC的发生、分布、生物效应和去除方面显示出实用性、可靠性和有效性。开发和优化了各种算法和模型获得了更好的性能。此外，数据集的大小和同质性强烈影响ML的应用，选择具有不同特征的适当ML模型对于解决与数据集相关的特定问题至关重要。未来的工作应侧重于提高数据集的质量和采用更先进的算法，开发定量构效关系的潜力，并促进模型的适用领域和可解释性。此外，无代码ML工具的开发将有利于ML模型的可访问性。

全文链接地址：https://doi.org/10.1080/10643389.2023.2190313

该论文发表在SCI一区刊物Critical Reviews in Environmental Science and Technology。我院2021级环境工程硕士研究生雷浪为第一作者，谢冰教授和苏应龙研究员为通讯作者。