生物滞留系统去除典型重金属的影响因素识别

生物滞留系统具有雨水径流削减和污染控制双重功能,但其对重金属的去除效果易受设计参数和环境因素的影响而不稳定。基于文献数据驱动,利用CART算法构建了生物滞留系统设计参数和环境变量的二叉树机器学习模型,并对生物滞留系统去除Cu、Zn和Pb等典型重金属的影响因素进行识别。结果表明,影响Cu和Pb去除的最敏感因素为入流浓度,而影响Zn去除的最敏感因素为介质土深度。二叉树模型对3种重金属影响因素的识别准确率(p₀)分别为0.86、0.80和0.74,分类性能均取得了中等以上的一致性,Cohen’s Kappa系数(K_a)分别可达到0.72、0.60和0.48。研究证实,单变量相关性分析法难以识别出生物滞留系统去除典型重金属的敏感因素,而基于文献数据驱动的机器学习方法不仅可有效挖掘出生物滞留系统中敏感因素的影响程度,还能识别出相应的阈值,可为后续优化设计和运维管理提供一定参考。