生成式物理信息机器学习在室内空气质量建模及其对学生健康与学业表现影响的研究

《Journal of Environmental Management》：Generative physics-informed machine learning for modeling indoor air quality and its impact on student health and performance

　　本研究针对医疗和实验室环境中室内空气质量(IAQ)对学生健康与学业表现的影响问题，开展了结合实验测试、物理建模与可解释机器学习的混合框架研究。研究通过特征重要性分析确定PM10为关键污染物，开发了性能优异的PDE-XGBoost预测模型(MAE:0.4548，R2:0.989)，揭示了TVOC、噪声等因素与PM2.5的复杂关系，为优化教育医疗环境IAQ管理提供了创新方法和实践指导。

　　

在当今教育医疗环境中，学生们长时间处于实验室和医疗中心等室内空间，却鲜少有人关注这些看似洁净的环境背后隐藏的空气污染威胁。从生物实验室的细颗粒物到化学储存间的有机挥发物，从过高的二氧化碳浓度到令人不适的噪声水平，这些看不见的环境因素正悄然影响着学生的健康状况和学习效率。传统监测手段的局限性使得全面评估室内空气质量(IAQ)及其健康影响成为难题，而简单的数据分析又难以揭示各因素间复杂的相互作用。正是基于这一背景，诺丁汉特伦大学的研究团队在《Journal of Environmental Management》上发表了创新性研究成果。

研究人员采用了一种融合实验测量、物理建模和机器学习的混合方法框架。关键技术包括：使用uHoo Aura空气质量监测仪在诺丁汉特伦大学克利夫顿校区和比尔伯勒医疗中心进行连续监测（采样间隔5分钟，总数据点12,096个）；结合物理偏微分方程(PDE)与随机森林(RF)、XGBoost等机器学习算法建立预测模型；通过SHAP值分析和偏依赖图(PDP)等可解释人工智能(XAI)技术解析特征重要性；采用5折交叉验证评估模型性能。

室内空气质量评估显示显著空间差异。实验室环境中，生物准备室(187E)的PM_2.5浓度达12.4μg/m³，化学储存室(290D)的TVOC高达312ppb，病毒指数为3，表明特定功能区域存在特有污染风险。医疗中心环境虽温度(平均23.21°C)和湿度(57.76%)符合标准，但CO₂峰值达2819ppm，显著超过NHS限值，TVOC平均432.71ppb且存在2618ppb的峰值，照明(90.27lux)和噪声(60.05dB)也低于临床环境标准。

机器学习模型性能方面，PDE-XGBoost在各项指标上均优于PDE-RF模型，其平均绝对误差(MAE)为0.4548，均方根误差(RMSE)为1.6172，确定系数(R²)达0.989，解释方差分数(EVS)为0.98，对称平均绝对百分比误差(SMAPE)约1.31%，展现出卓越的预测准确性。

特征重要性分析揭示了污染物影响机制。通过Spearman、Kendall和SHAP三种方法的一致性分析，PM₁₀被确定为最关键影响因素，其细小颗粒物可直接进入呼吸道和血液循环系统。位置因素通过空间特征间接影响污染物扩散，而TVOC和噪声水平则显示出与PM_2.5浓度的强线性关联。温度的影响呈现非线性特征，在特定区间内效应更为显著。

偏依赖图深入解析了特征边际效应。TVOC与PM_2.5预测值呈现明显正相关，部分依赖值从62升至72。噪声水平的影响最为显著，部分依赖值从45急剧上升至80。位置因素显示了空间变异性，而温度则呈现温和的非线性增长模式，反映了不同环境参数对空气质量的差异化影响模式。

主成分分析揭示了数据集内在结构。前两个主成分累计解释约46%的方差，表明参数间存在显著相关性，特别是颗粒物与环境舒适度参数。后续成分贡献度递减，到第六主成分时累计方差解释度达75-80%，揭示了室内空气质量参数间既存在共同影响因素又保持独特信息特征的复杂关系。

研究结论强调，通过混合框架实现了对室内空气质量的多维度解析，PM₁₀的关键作用与空间因素的调节效应为环境干预提供了明确靶点。机器学习模型的高精度预测能力与可解释性分析相结合，为教育医疗环境的空气质量管理和健康风险防控提供了科学依据和实践指导。这种实验-模型混合策略不仅克服了单一方法的局限性，更为复杂环境下的健康影响因素研究提供了创新范式。

该研究的创新之处在于将物理原理与数据驱动方法有机结合，既保持了模型的理论基础，又充分利用了机器学习处理复杂关系的能力。特别是通过SHAP和偏依赖图等可解释性技术，使黑箱模型决策过程透明化，为环境健康领域的机制理解提供了新视角。研究成果对改善学生学习环境、保障医疗工作者健康具有重要实践价值，也为相关政策的制定提供了科学支撑。