基于机器学习的新污染物多介质PNEC预测分析系统及方法

本发明涉及新污染物风险识别技术领域，尤其涉及一种基于机器学习的新污染物多介质PNEC预测分析系统及方法，该方法包括：采集化合物SMILES结构及其淡水PNEC、BCF和Koc数据；利用RDKit、rcdk等工具自动计算分子描述符；通过冗余特征处理与随机森林算法筛选关键特征；分别构建RF、XGBoost、LightGBM、CatBoost模型用于PNEC预测，BCF与Koc模型采用LightGBM构建；并基于R语言Shiny框架搭建可视化平台，实现SMILES输入、模型预测与结果展示的全流程自动化。该系统为多介质PNEC预测提供了便捷工具，具备高效、准确、低成本等优势，适用于大规模新污染物环境风险识别，具有广泛的应用前景与重要的环境保护意义。