化工学院2019级硕士研究生周心怡（导师胡恭任教授、罗专溪教授）在机器学习应用于环境中微塑料预测与管理取得新进展，相关成果以“Machine learning application in forecasting tire wear particles emission in China under different potential socioeconomic and climate scenarios with tiremicroplasticscontext”为题在线发表于《Journal of Hazardous Materials》期刊（中科院一区，IF14.23）。

微塑料污染风险与管控是当前的研究热点之一。轮胎微塑料作为微塑料的重要来源已广为人知，但轮胎微塑料在中国及其不同尺度的产生数量和趋势是怎样，将来经济社会及气候变化不同情景的影响如何，是其风险理解与科学管控中需要解决的重要问题。为此，本研究在轮胎磨损颗粒（TWPs）、运动场地回收轮胎细颗粒（RTCs）与修补轮胎细颗粒（TRDs）三种不同轮胎微塑料（TMPs）排放量较好估算的基础上，收集整理17项教育、经济、交通、能源、气候等相关影响因素数据，结合结构方程模型、DNN、CNN神经网络模型与多元回归模型，对TWPs进行了不同情境的预测分析。研究发现，中国轮胎磨损颗粒（TWPs）占TMPs的90%以上，在全球TWPs排放量中排名第二；TWPs污染主要分布在沿海地区，2018年山东省（14.76tons）排放量最大，其次是广东省(11.77tons）；TWPs大部分排放到乡村地区的土壤中。RTCs的排放量在TMPs量中排第二；2014年广东省（2716.62tons）RTC排放量最多，其余省份均在1000 tons以下。TRDs在三种轮胎微塑料中排放量最少，其中2019年广东省(23.54 tons)和山东省(22.22 tons)排放量最为突出；在内陆地区，四川省(12.39 tons)的排放亦相对较高。另外，基于CNN神经网络模型的机器学习预测发现，合理发展物流业与绿色经济、平衡提高教育质量、新能源公共交通的增加等都有利于轮胎磨损颗粒排放的减少。研究成果可提高对轮胎微塑料不同尺度排放量的理解及其对应的精准管理。

该论文由我校化工学院、闽南师范大学以及美国麻省大学等单位共同完成，通讯作者为我校化工学院罗专溪教授，化工学院周树锋教授、于瑞莲教授参与了工作研究。该研究工作得到了福建省产学合作项目、福建省自然科学基金、米兰平台,米兰(中国)人才引进科研启动基金等项目的资助。

论文链接：https://doi.org/10.1016/j.jhazmat.2022.129878。