科技公园国际期刊《Journal of Hydrology》刊登了课题组题为“使用可解释的机器学习方法预测河口水质(Prediction of estuarine water quality using interpretable machine learning approach)”的研究论文，论文第一作者为硕士研究生王硕，通讯作者为彭辉副教授。
河口是沿海地区的主要污染源。河口水质预测模型可以提供预警，防止沿海生态系统发生重大灾害。本研究开发了多元线性回归(MLR)、人工神经网络(ANN)、随机森林(RF)和极端梯度增强(XGBoost)来预测中国小清河河口的NH4+-N。结果表明，河口NH4+-N与上游NH4+-N之间存在很强的非线性关系。使用shapely Additional explanations方法来解释XGBoost模型，并发现河流上游对河口的影响。这些解释表明，监测上游水质的两个站点(石村和三岔口)对河口水质产生了较大影响。如果上游NH4+-N浓度低于2 mg/L，河口NH4+-N不会受到上游的负面影响。这些结果可以支持改善河口水质的污染预警和河流及沿海地区的综合环境管理。
Wang, S., Peng, H., Liang, S., 2022. Prediction of estuarine water quality using interpretable machine learning approach. J. Hydrol. 605, 127320. https://doi.org/10.1016/j.jhydrol.2021.127320
