智能算法在多环芳烃检测中的研究进展

摘要

多环芳烃（PAHs）具有环境持久性、生物富集性及潜在致癌风险，痕量快速准确检测PAHs对环境监测与风险评估具有重要意义。针对PAHs光谱检测中谱峰重叠、结构相似、基质干扰及低浓度信号波动等问题，综述智能算法在PAHs分类识别、浓度预测和混合组分分析中的研究进展。介绍了机器学习和深度学习在PAHs检测中的研究进展，分析了不同算法在学习机制、数据依赖性、光谱特异性和跨基质泛化能力等方面的本质差异及对PAHs智能检测的准确性、稳健性和现场应用能力。进一步分析PAHs智能检测的关键瓶颈与研究路线，为算法选择和现场应用提供参考。未来将加强标准化数据集构建、跨域迁移及模型适用性研究，提高PAHs智能检测的可靠性、可解释性及复杂场景适应能力。