近日，海南大学环境科学与工程学院黄青研究员团队在环境科学领域顶级期刊《Environmental Science & Technology》发表题为 Unveiling hydrogen fluoride emission mechanisms in municipal solid waste incineration using a machine learning approach的研究论文。

该研究针对生活垃圾焚烧过程中氟化氢（Hydrogen Fluoride，HF）排放机理不清、控制策略粗放的关键问题，创新性构建XGBoost 预测 —SHAP 可解释性分析 — 结构方程模型（SEM）— 广义加性模型（GAM）— 自适应非支配排序遗传算法（SA‑NSGA‑II） 一体化机器学习框架，系统揭示生活垃圾焚烧中 HF 生成与迁移的核心机制，并提出数据驱动的精准减排调控方案。

研究基于海南某垃圾焚烧发电厂 2024 年 6 月 1 - 10 日超 15 万条高频（5 秒间隔）运行传感器监测数据，经 5 折交叉验证，XGBoost 模型实现 HF 排放精准预测（R²=0.755，RMSE=0.041 mg/m³）。SHAP 分析明确二段烟道右上侧温度、一段烟道顶部温度为 HF 排放主导影响因子；SEM 证实炉排焚烧区是 HF 最主要生成源（路径系数 1.058，p <0.001）；GAM 精准识别 HF 控制关键温度阈值：二段烟道上部 767℃、一段烟道顶部 875℃、低温省煤器入口 212℃。基于上述阈值与关键参数，团队采用 SA‑NSGA‑II 开展多参数协同优化，经 6 月 11 日真实运行数据验证，89.74% 工况实现 HF 减排，平均降幅达 17.61%（0.1176 mg/m³），在保障焚烧稳定运行的同时显著降低污染物排放。该成果突破传统“末端治理” 局限，实现从机理解析到源头协同调控的全链条创新，为生活垃圾焚烧发电厂 HF 精细化管控与绿色低碳运营提供核心技术支撑。

该研究得到海南省自然科学基金、海南省科技专项、国家自然科学基金等项目资助，研究成果对提升我国生活垃圾焚烧污染控制水平、推动固废资源化处理的可持续发展具有重要的理论价值与工程应用前景。

第一作者：冯兴宇（海南大学 在读二年级博士研究生）

通讯作者：黄青 研究员（海南大学）

全文链接：https://doi.org/10.1021/acs.est.6c00686