42、利用回归样条模拟污染物与环境之间的复杂关系：垃圾渗滤液案例研究

利用回归样条模拟污染物与环境之间的复杂关系：垃圾渗滤液案例研究

1. 引言

在环境管理中，对环境中污染物的归宿和迁移进行建模至关重要。模型或模拟可用于预测人类接触空气和水污染物的情况，并设计处理系统以减少接触。对于尚未建成的污染源，模型尤为重要，还能显著降低现有污染源的监测成本。

环境中污染物的浓度是与污染源、环境相关的变量以及时间的函数。这些变量之间的关系通常复杂且不确定，这使得多元线性回归难以应用，尤其是当浓度处于非稳态时，时间也必须作为预测变量。一种解决方案是使用多元自适应回归样条（MARS）。

MARS 是一种灵活的统计建模方法，已广泛应用于金融、航空、人类生理学等多个领域。它通过拟合分段线性回归来构建模型，即通过“节点”连接不同的回归斜率来近似模型的非线性。建模分为两个阶段：第一阶段通过为不同节点位置添加截断线性基函数构建一个过大的模型；第二阶段根据模型拟合的改进情况选择删除基函数，直到无法再改进模型拟合。

在可持续发展应用中，MARS 已用于模拟空气污染和湖泊、溪流、河流中的水污染，还用于预测医疗和城市固体废物的产生，但尚未应用于预测垃圾渗滤液中水污染浓度的问题。

垃圾渗滤液管理是垃圾填埋场面临的最关键挑战之一。垃圾渗滤液含有多种污染物，如果不加以监测和控制，可能会渗入周围的地表水和地下水。目前，虽然有许多研究测量了垃圾渗滤液的质量以及影响渗滤液质量的变量，但设计新垃圾填埋场的渗滤液处理系统仍需要预测尚未建成系统的渗滤液质量。开发一个通用模型来预测垃圾渗滤液的成分将是有益的，它可以减少垃圾填埋场运营和关闭后监测渗滤液质量的成本和时间。

目前，少数尝试使用统计技术预测渗滤液化学成分的研究主要集中在单个或几个当地