【摘要】在污染物处理工作中，不同的污染物、不同的反应条件，都会对污染物降解速率产生不同程度的影响。将机器学习与分子指纹结合，建立水污染物光降解速率常数预测模型，可大大减少人力物力的投入，节省实验成本。本工作提出一种基于随机森林和贝叶斯优化的高精度预测模型，使用二氧化钛作为催化剂，将影响光降解性能的多种因素作为模型的输入，以光降解速率常数为输出，作为衡量水污染物降解速率的标准。本文收集了 408 个可供训练和测试的数据点，结果表明，该模型具有较好的预测精度、较强的泛化能力和鲁棒性，决定系数 ( R2) 为 0.92，均方根误差 ( R o o t Mean Square Error,RMSE) 为 0.16。