董晓冬　陈丽红　林芙　李惠平　黄慧

摘要：利用现有文献中的碳基材料对水中四环素的吸附量的数据，以机器学习为方法准确地预测了不同碳基材料在不同环境条件下对水中四环素的吸附量。其中梯度提升树（CBDT）对四环素的吸附量预测效果最好（R2>0.99）。比表面积和孔容积是决定碳基材料对四环素吸附量的最主要的特征。除pH与pHpzc对吸附量的贡献为负外，其余变量对吸附量均为正贡献，即特征重要性越明显时，对吸附量的提升越有利。整体而言，四环素在碳基材料上的吸附是一个物理过程，受吸附剂的物理特性和环境因素影响较大，而受碳基材料的化学特性的影响较小。

关键词：四环素吸附；机器学习；碳基材料；模型解释

中图分类号：X703 文献标志码：B

前言

长期暴露在一定浓度的四环素的刺激下会对人体的肾脏、眼球、胃肠道等器官造成伤害。由于四环素的滥用，天然水体中已有较高浓度的四环素检出，因此亟需去除水体中的四环素。利用碳基吸附剂可以高效地吸附水中四环素。各类碳基吸附剂被大量开发并应用于吸附水体中的四环素和其他污染物。然而评价碳基吸附剂对水体中四环素的去除效果则需要大量的实验投入才能获得较为准确的性能概览。因此，如何能高效快速地预测碳基吸附剂对水中四环素的吸附效果对于节省冗长枯燥的实验工作量有着至关重要的意义。

机器学习在以数据为基础的问题领域有着广泛的应用前景。并……