T∕ACEF 251-2025 污染场地挥发类有机物多相传输扩散建模技术指南

团体标准GuidelinesformodelingmultiphasetransportanddiffusionofVOCsandSVOCsin 12规范性引用文件 13术语和定义 14基本原则 45建模流程与主要工作内容 56复杂介质场地挥发类有机污染物传输扩散建模基础数据准备 87复杂介质场地环境污染概念模型构建 98复杂介质场地挥发类有机污染物时空分布数字模型类型筛选 9复杂介质场地挥发类有机污染物时空分布数字模型构建 10模型预测结果的不确定性分析 20附录A(资料性)部分挥发类有机污染物理化性质参数表 本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中华环保联合会提出并归口。本文件主编单位：中国科学院大学本文件参编单位：中国地质大学（武汉）、中国石油集团安全环保技术研究院有限公司、广西博世科环保科技股份有限公司、中国环境科学研究院、清华大学、中华环保联合会绿色产业工作委员会本文件主要起草人：王明玉、曲辞晓、赵亚伟、邢新丽、王占生、宋海农、周爱国、宋现锋、吴倩、梁艳、孙源媛、王月、侯德义、钱智、唐家奎、乔小娟、刘运德、李小倩、李春晓、李颖、谢湉、罗宏武、罗春辉、姚雷1污染场地挥发类有机物多相传输扩散建模技术指南本文件提出了复杂介质场地挥发类有机污染物多相传输扩散的数字模型建模方法与流程、模型类型筛选及应用策略，并给出了相关工作的基本原则和技术规范。本文件适用于复杂多孔介质与裂隙介质场地中有机物多相传输扩散过程量化与预测。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件：不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T14497地下水资源管理模型工作要求HJ1209工业企业土壤和地下水自行监测技术指南HJ25.1建设用地土壤污染状况调查技术导则HJ25.6污染地块地下水修复和风险管控技术导则HJ610环境影响评价技术导则地下水环境SL454地下水资源勘查规范地下水污染模拟预测评估工作指南（环办土壤函〔2019〕770号）地下水环境状况调查评价工作指南（环办土壤函〔2019〕770号）3术语和定义下列术语和定义适用于本文件。挥发类有机污染物volatileandsemi-volatileorganicpollutants挥发性有机物（VolatileOrganicCompounds，VOCs）与半挥发性有机物（Semi-VolatileOrganicCompounds，SVOCs）的总称。23.2多相传输扩散multiphasetransportanddiffusion在岩/土-地下水-大气多相介质环境中，以多相态（溶解相、吸附相、气相、NAPL相等）形式存在的有机污染物，在不同承载相（水相、固相、气相）间分配并发生相间传质（主要为吸附/解吸、溶解、挥发等），并在各承载相内经历对流、弥散/扩散、生物降解与化学反应等耦合作用下的空间迁移与扩散综合过程。3.3场地环境污染概念模型environmentalcontaminationconceptualmodelforasite在场地污染影响范围内，对岩/土-地下水-大气多介质系统的边界条件、内部结构、水力特征，以及多相态污染物传输扩散过程等进行合理概化而形成的系统性描述框架。3.4复杂介质污染场地contaminatedsiteswithcomplexmedia由层状/水平非均质多孔介质、裂隙介质等复杂地质介质构成，并表现出显著非均质与各向异性的受污染场地。3.5数字模型digitalmodels基于数字化数据与数学/计算方法，通过机理驱动（Mechanism-Driven）、数据驱动（Data-Driven）或两者融合的方式，对污染场地挥发类有机物多相传输扩散过程进行量化与模拟/预测的模型。3.6泛化数字模型generalizeddigitalmodels在场地环境污染概念模型典型条件框架约束下，能对训练与校准未覆盖的参数组合情景进行误差可控预测的模型。其核心是将从有限数据/情景中学到的规律推广到更广的适用域，同时保证物理一致性与稳健性。3.7机理模型仿真数据simulationdatafrommechanisticmodels以守恒方程与本构关系为核心的机理模型在给定参数及边界/初始条件下求解得到的污染物时空分布与演化数据，与模型输入参数共同组成的数据集。3.8替代模型surrogatemodels为替换复杂的高计算成本数字模型或真实系统而构建的高效近似模型，在预先界定的适用域与精度约束下，提供快速且物理一致的预测与分析。3.9污染特征变量contaminationcharacteristicvariables用于表征污染物在岩/土-地下水-大气多介质环境中时空分布/演化的关键可量化指标，为污染预测、风险评估与治理控制提供定量依据。3.10随机离散裂隙网络stochasticdiscretefracturenetwork依据统计分布与空间点过程随机生成离散裂隙的几何与属性参数（位置、尺度、产状、隙宽等），并对裂隙结构予以显式表达，以重现裂隙网络的连通性与异质性。其中，概率函数及其参数通常依据现场观测与试验数据进行标定。双重介质模型dualporosity/permeabilitymodels将介质概化为低渗基质与高渗裂隙两域，并通过显式交换项描述两域间的流体渗流与污染物传输扩散的模型。4等效多孔介质模型equivalentporousmediamodels针对裂隙介质，通过尺度上化将显式裂隙-基质结构以空间平均的宏观等效参数加以表征，采用连续介质模型描述其宏观行为，从而无需显式离散裂隙。3.13典型单元体representativeelementaryvolume在含孔隙/裂隙的介质中，能够采用宏观连续空间近似替代微观孔隙通道/离散裂隙结构来描述渗流运动与污染物传输扩散的最小体积单元。4基本原则4.1目标导向原则根据场地污染预测、污染溯源、污染物传输扩散过程机制研究、修复方案优化等不同建模目标和应用场景，形成面向具体应用需求的数字建模策略和技术路线。以目标为导向，在既定资源约束内合理权衡模型的“准确性-效率-实操性”，切实支撑场地环境管理决策需求，体现建模工作的实用价值。4.2递进融合原则建立面向不同阶段与应用需求的多层次模型体系，形成从初步分析到机理深化、从定性判断到定量表征、从复杂耗时到高效替代、从模型独立到模型协同、从专业高难到轻量易用、从个案定制到通用泛化的递进融合技术路径。发展机制与数据协同驱动的创新数字模型，拓展模型应用边界，为复杂场地污染物传输扩散模拟预测提供更加综合高效的技术手段。4.3可行易用原则在满足科学研究或工程应用需求基础上，重点考虑建模方法的适用性、可操作性与经济有效性。结合场地条件、数据规模、资源约束与污染物跨介质传输扩散的主控过程/因子，优化配置参数维度、功能模块与模型算法。误差可控条件下，优先选择泛化能力强、部署维护简便、资源投入低的建模方案。5建模流程与主要工作内容5.1建模流程污染场地挥发类有机物多相传输扩散建模流程如图1所示。图1.污染场地挥发类有机物多相传输扩散建模流程65.2主要工作内容5.2.1明确建模目标与应用场景在启动污染场地挥发类有机物多相传输扩散建模工作前，明确建模目标与应用场景。其目标与应用场景包括但不限于：有机污染物多相传输扩散时空分布动态模拟与精准预测、污染场地环境风险定量化评估、场地污染源强识别与污染责任界定、修复方案优化与效果预测等。根据具体工作目标与应用场景确定模型类型、模拟的精细程度与精度要求。5.2.2搜集、分析、评估及处理建模基础数据搜集建模所需的场地基本信息、气象与水文数据、地质与水文地质资料、水资源开发利用情况、污染调查现状，以及污染修复/风险管控情况。开展数据质量分析与评估，核查准确性并量化数据的不确定性；对原始数据进行规范化预处理，必要时进行数据强化与数据补充/修正；对获取难度大成本高的数据可采用经验值或基于科学原理的推导值。最终将原始数据、处理数据与衍生数据整合为完整的数据集，并标注数据来源与可靠性等级，为后续分析提供支撑。5.2.3建立场地环境污染概念模型对污染场地进行合理概化，构建能够突出挥发类有机污染物在复杂介质中传输扩散特征的概念模型。重点包括：对场地复杂介质的合理概化、对非饱和带及系统内多相流动的准确表征，以及对挥发类有机物多相传输扩散过程的精准刻画。综合考虑多相态与复杂介质条件下，污染物在地下水-土壤-大气系统之间的动态交互过程。关注低渗透介质的滞留与缓释效应，以及裂隙优势通道对污染物快速迁移的影响。结合建模目标与算力条件，合理确定概念模型的时空维度与概化精度。5.2.4筛选数字模型类型本文件主要针对数值模型、统计模型与人工智能模型开展筛选与应用指导。数字模型类型选择需综合考虑目标和应用场景适配性、模型能力与可解释性、数据规模与质量要求、用户类型与专业能力，以及计算与时间资源约束等因素。针对复杂问题，可通过模型集成或模块化组合实现精准高效的建模目标，并根据项目阶段性需求动态优化模型方案，在快速响应与高精模拟之间取得平衡。75.2.5数字模型的构建、校准与验证/测试5.2.5.1数值模型以所选模拟器/模块的控制方程及本构关系为基础开展建模。主要步骤包括：确定计算域并进行适宜的时空离散化；在概念模型的基础上完成参数时空赋值、边界条件与初始条件设定；配置求解器、预条件器与收敛控制，开展稳定性与质量守恒检查。此外，于物理先验约束下开展参数识别与敏感性分析，调整关键参数使模拟结果在校准期内与观测数据相一致。最后用独立观测数据进行模型验证，并评估其模型结果精度与不确定性。5.2.5.2统计模型侧重以数据刻画变量间的统计关系，既可基于观测数据直接构建，也可结合机理模型仿真数据构建泛化替代模型。其构建过程通常包括：明确因变量（污染特征变量）与自变量（影响因子）；完成数据清洗与预处理；依据问题特性合理设定模型结构/函数形式，并采样适当的参数估计方法求解模型系数；报告预测结果，并开展必要的后验/残差检验；通过交叉验证或样本外数据评估泛化性能，分析模型结果的不确定性，并明确适用范围。5.2.5.3人工智能模型以数据驱动的非线性表示学习为核心，既可基于观测数据直接构建，也可结合机理模型的仿真数据构建泛化替代模型。其构建过程通常包括：明确任务类型与评价指标；完成数据集划分与标注质量控制；依据问题特性选择模型范式与架构，进行超参数设置与正则化；制定训练方案并监控过拟合；在独立测试集上评估性能并量化不确定性；报告预测结果，并开展可解释性分析与适用域界定，确保模型在实际应用中的稳定性与可复现性。5.2.6污染特征变量的主控因子识别与简化模型构建5.2.6.1根据模型类型结合具体问题与专业知识，选择合适的污染特征变量主控因子识别方法。传统方法可采用敏感性分析、相关性分析、逐步回归、极差分析、方差分析等；也可以借助人工智能模型的解释技术，如SHAP值、LIME等。采用多种识别方法综合评估污染特征变量的影响因子重要性。5.2.6.2结合因子重要性排序与预测精度要求，降低输入维度与结构复杂度，对模型进行高效简化。优先保留高重要性、可解释且实际应用中易获得的因子，重复上述建模过程，并对简化后的模型进行综合性能评估。5.2.7成果报告按规范汇报建模流程、参数与配置、校准与验证结果、情景预测与不确定性、适用范围与外推边界、局限性与改进建议，提供复现性材料（代码/数据/版本）。这些信息确保研究的透明度与可重复性，并为他人复现提供支持。同时，使审阅者与决策者能够独立评估模型8的可信度与适用性。5.2.8模型长期应用的更新与调整采用适应性管理策略，随新数据与场景变化动态更新模型；适时引入新技术与方法，以提升精度与效率；跟踪不确定性随时间的演化并进行再评估；结合利益相关者反馈与业务需求调整模型，平衡资源投入和预期收益。除精度和技术更新层面外，还需考虑社会、经济和管理因素，确保模型持续支撑决策。依据预期用途与应用规模，灵活确定更新频率与调整深度，并记录变更以保证可追溯性。6复杂介质场地挥发类有机污染物传输扩散建模基础数据准备6.1搜集与整理污染场地相关资料6.1.1场地基本信息参照HJ25.1和HJ1209完成场地基本信息的搜集，主要包括：地理位置与边界范围、土地利用现状与历史用途、生产信息、敏感目标分布。6.1.2气象与水文条件数据参照GB/T14497、HJ610、SL454、《地下水环境状况调查评价工作指南》和《地下水污染模拟预测评估工作指南》（环办土壤函〔2019〕770号）完成气象和水文调查资料收集。主要收集长时间序列降水量、蒸发量、气温、湿度等气象资料，以及地表水系、水库与湖泊等地表水体的分布、规模、流量、水位、水质等水文资料。6.1.3地质与水文地质资料6.1.3.1参照GB/T14497、HJ610、HJ25.6、SL454、《地下水环境状况调查评价工作指南》和《地下水污染模拟预测评估工作指南》（环办土壤函〔2019〕770号）完成地质与水文地质资料收集。包括包气带及含水层结构、岩性、相应的水文地质参数及其空间变化；地下水补径排条件、地下水位动态变化特征、地下水化学特征等。6.1.3.2对于裂隙介质场地，通过岩心编录/实验、露头测量、井壁成像测井与常规测井等方法获取裂隙特征参数（如密度/强度、倾向与倾角、隙宽与粗糙度、尺寸等），并结合抽/注水及示踪试验校核相应等效水力参数。6.1.4水资源开发利用情况参照GB/T14497、SL454搜集有关地下水和地表水的开发利用信息，包括取（供）水与排水设施的类型与位置、规模与取排水量、运行时段与方式、水源与去向，以及与场地水文地质单元的水力联系。6.1.5污染调查现状参照GB/T14497、HJ25.1、HJ610、SL454、《地下水环境状况调查评价工作指南》和《地下水污染模拟预测评估工作指南》（环办土壤函〔2019〕770号）完成污染调查现状资料搜集。包括污染源的类型（如点源、面源或线源）、位置、规模、污染物种类及其理化性质。同时调查排放历史，标注关键时间节点（投产、停产、事故）和不确定性来源。6.1.6污染修复/风险管控情况参照HJ25.6搜集场地土壤-地下水污染修复和风险管控相关情况信息。6.2数据评估与筛选评估所收集的数据的准确性和可靠性。检查不同来源的数据之间是否一致，优先选择来源可靠、采集方法规范的数据。评估数据的不确定性程度，并进行合理量化表征。6.3数据覆盖度评估与补充调查评估数据的时空分辨率是否与建模需求相匹配，确保关键参数数据完整。数据不足时制定补充调查计划，优先考虑模型敏感参数和重点区域，可通过现场采样、增设监测井等方式扩大覆盖。7复杂介质场地环境污染概念模型构建7.1模型边界与计算区圈定尽可能将计算区圈定在一个比较完整的水文地质单元，以便在计算中正确反映区域的水文地质特征。尽可能把地下水系统的天然水文地质边界作为模型边界。7.2气象与水文条件概化7.2.1气象条件概化从年际与季节尺度概化降水总量与分配特征，突出丰水期/枯水期季差异与极端事件频率，明确降水在水文循环中的作用（产流/入渗/补给）；同时，概化与挥发类有机污染物传输扩散（如挥发）相关的气象条件（如气温、气压、相对湿度、风速与风向、太阳辐射/蒸散发）及其时序变化。7.2.2水文条件概化明确场地及周边地表水体类型（包括河流、湖泊、排水渠等）及其空间分布，刻画其常年或季节性及极端情况下的水位/流量特征，并指明与浅层地下水的补给/排泄联系。7.3水文地质条件概化7.3.1水文地质单元界定界定场地所处水文地质单元，明确各单元的空间范围与特征要素，并指出单元之间的水力联系类型及控制边界。7.3.2非均质多孔介质概化7.3.2.1层状非均质多孔介质：根据介质的水文地质特性（主要依据饱和渗透性）进行层状划分，明确含水介质层序与空间展布。识别关键薄夹层、隔水层“天窗”等对层间越流与渗漏连通的控制作用。7.3.2.2水平非均质与功能分区：从平面尺度刻画水文地质特性差异，依据数据充分性以及评估目标的空间分辨率敏感性，确定非均质表征方式（分区均质或随机场方法）。识别区域内是否存在低渗透镜体；如存在，明确其空间位置、尺度及水力学性质。随机场表达需判定所用参数的统计分布及地质统计模型。7.3.3裂隙介质概化7.3.3.1离散裂隙网络模型（DFN）：显式表达裂隙几何属性与多尺度拓扑结构，用于精细刻画裂隙形态、空间分布及连通性。适用于需要对裂隙网络进行高分辨率描述与机理模拟的情形，特别是未达到或不存在典型单元体（REV）、裂隙渗流主导且基质渗透性较低的裂隙化基岩场地。7.3.3.2等效多孔介质模型：在达到或超过REV的尺度时，将整个裂隙-基质系统等效为具有平均水力特性的连续多孔介质。适用于裂隙密集、连通性强，且宏观水力性质表现接近连续介质的场地。7.3.3.3双重介质模型：适用于基质渗透性不可忽略、裂隙导流与基质储存并重的裂隙化基岩场地，需要分别表征裂隙与基质的水力（或多相流动）特性，并考虑两个系统间的交互作用。7.3.4包气带与多相流概化7.3.4.1区分包气带与饱和带的空间范围及关键界面（地表、毛细上升带、水位波动带）。7.3.4.2明确参与相及存在状态（自由相、残余相、溶解相、挥发相、吸附相）。7.3.4.3在非饱和/多相渗流体系中，选取与介质特性相匹配的毛细压力-湿润相饱和度-相对渗透率本构关系，如vanGenuchten-Mualem或Brooks-Corey模型。7.3.5地下水运动状态7.3.5.1判断流动状态是否为（非）稳定流，非稳定流时需明确计算时段、应力期划分与时间步长，并据时变边界/源汇项数据刻画过程响应。7.3.5.2判断流态是否为（非）线性流，线性流通常采用达西定律/立方定律；非线性流时选择合适的本构关系。7.4边界条件概化7.4.1水动力边界条件7.4.1.1给定水头边界（第一类边界或Dirichlet边界）：适用于场地模型范围内与含水层水力连通且水位稳定的水体（如水头相对恒定的河流、湖泊、水库或已知稳定的潜水面。若水体水位或地下水水头具有季节性或其他时变特征，按应力期对边界水头分段赋值，或引入随时间变化的水头序列，以反映其动态变化过程。7.4.1.2给定流量边界（第二类边界或Neumann边界）：在模型边界处指定地下水的法向通量，包括零通量的不透水边界。该边界用于描述边界上的外部补给或排泄过程，如将降雨入渗强度折算为边界通量，或施加已知的侧向入/出流量。通量可为恒定值，或按应力期分段/给定时序以反映实际的时变补排条件。7.4.1.3混合边界（第三类边界或Cauchy边界）：适用于含水层系统与外界水体之间存在水头差控制水力交互的情况，包括半渗透层的渗漏补给、河流与地下水的部分连通区域，以及排水设施对地下水的排泄作用。边界通量由地下水水头与外界水头的差值通过渗透性或水力联系特性计算得出。7.4.2化学场边界条件7.4.2.1给定浓度边界：适用于已知恒定或已知时变序列浓度的边界，可按应力期分段或直接施加时序浓度。7.4.2.2给定浓度梯度或弥散通量边界：在边界处指定法向浓度梯度或弥散通量（含零通量需刻画梯度/通量大小及其时变性。7.4.2.3混合边界条件：适用于由边界水体与含水层间的浓度差控制传质的情形，需提供外部浓度时序、质量传递系数等。7.5源和汇（域内）7.5.1水动力场的源和汇7.5.1.1确定模型域内的自然或人为源，包括河流渗漏、工业渗漏、灌溉回灌等。7.5.1.2确定模型域内的自然或人为汇，包括河流排泄和蒸发、泉水排泄、抽水井以及工程排水等。7.5.2化学场的源和汇7.5.2.1场地内主要污染源包括地下储罐泄漏、工业生产设施的跑冒滴漏、输油管道破裂等。通过现场调查、历史资料与监测数据明确污染源排放形式（点源、线源、面源）、输入位置与范围、输入模式（持续/间歇/脉冲）及强度时程（应力期或连续时序）。7.5.2.2将场地内污染物人为阻控/修复措施作为化学场的汇，明确各过程的作用类型与机理、作用位置/范围、强度或动力学参数（随时间是否变化）。7.6污染物的物理化学性质与迁移转化过程7.6.1挥发类有机物理化性质在构建场地环境污染概念模型时，需要确定目标污染物的关键理化性质，包括密度、粘度、溶解度、正辛醇-水分配系数、亨利常数、饱和蒸气压、有机碳吸附系数、扩散系数等参数。识别场地中污染物的主要相态分布，考虑污染物在多相之间的分配平衡和传质过程，评估环境条件变化对相态分布的影响。常见污染物的理化参数可参考附录A。7.6.2复杂介质场地挥发类有机物迁移转化过程7.6.2.1针对非均质多孔介质场地，考虑污染物的对流、弥散、吸附/解吸、生物降解与化学反应，以及相间传质与相变（溶解、挥发等）过程。7.6.2.2针对裂隙介质场地，由于裂隙网络构成优势渗流通道，污染物迁移转化过程主要考虑对流-弥散作用。必要时考虑污染物在裂隙与基质间的交互作用，评估非线性流对污染物传输扩散的影响，分析岩石表面矿物成分对污染物的吸附/解吸作用，并量化裂隙粗糙度与充填物对有效通道、流动状态、污染物残留等方面的影响。8复杂介质场地挥发类有机污染物时空分布数字模型类型筛选8.1模型类型筛选依据可根据目标和应用场景适配性、数据要求、计算资源等多维指标（见表1），综合对比数值模型、统计模型和人工智能模型的特点与优势，筛选出最适合当前建模需求的模型类型。表1.数值模型、传统统计模型和人工智能模型在不同筛选指标下的表现及适用性筛选指标数值模型传统统计模型人工智能模型用场景适配性适用于需要精确刻画污染物时空分布、反映污染物迁移转化机制、高精度长期预测的情景；该类模型通常用于解决某一特定场地的污染问题，但移植性较差，难以直接用于其他场地。适合污染模式较简单，且污染物行为稳定的场景；适用于场地初步调研、快速评估和短期趋势预测等对精度要求相对较低的场景；在参数限定范围内，可以作为通用预测模型。适用于污染模式复杂、数据量充足、时效性要求高的污染特征预测场景；尤其是机制不明确的复杂污染问题。训练后的模型，在参数限定范围内可作为通用预测工具，迁移能力强。数据要求对输入数据质量和完整性要求较高；重点在于关键机制参数的准确识别；数据量需求适中，但对精确度要求高。数据量需求相对较低；主要依赖历史观测数据的完整性和代表性；适合数据较少的简单场景。需要大量高质量的历史观测数据；对数据类型适应性强；在处理缺失数据方面表现出色。模型复杂度和调整灵活性复杂度最高，涉及大量机制相关参数和复杂机理方程；灵活性较高，可根据污染场地具体条件纳入不同的物理、化学过程，且可根据需要灵活提取计算目标预测变量。复杂度最低，基于简单的回归方程，参数数量较少；灵活性中等，可以通过改变变量输入维度或方程类型来调整模型结构；统计预测模型通常需要提前定义目标预测变量。复杂度中等到较高，依赖于模型的算法；灵活性相对较高，可通过调整模型结构和超参来优化模型性能，部分模型可同时预测多个输出变量。使用难度和专业要使用难度最高，使用者需要具备扎实的数学物使用难度最低，使用者需要具备基本的统计学使用难度中等到高，使用者需要掌握机器学习筛选指标数值模型传统统计模型人工智能模型求理基础、水文地质基础、环境科学知识和领域经验，能够理解和调整模型参数，同时熟悉专业软件或编程工具。知识和数据分析能力，熟悉常用的统计分析工具即可操作，对领域知识要求较低。或深度学习的相关知识，具备较强的编程能力和数据处理经验，但对领域知识要求较低。计算效率和资源需求计算效率最低，资源需求最高，适合小范围高精度模拟。对硬件要求较高，可能需要高性能计算机或计算集群，通过并行处理提高效率。计算效率最高，资源需求最低，适合简单场景和快速分析。硬件要求较低，一般的个人电脑就能满足需求。在训练阶段计算资源需求大；但在预测阶段计算效率较高，资源需求较低，适合处理复杂场景与大规模数据的快速预测。预测精度理论上能够达到较高的精度，尤其是在模型参数校准充分、输入数据精确的情况下。模型精度一般，主要依赖于变量选择、样本质量和模型结构，容易受数据噪声影响。外推能力有限，主要适用于与历史数据相似的情况。通常能达到相对较高的预测精度，但对数据质量敏感，可能出现过拟合问题。外推能力取决于训练数据的覆盖范围。可解释性可解释性最高，基于明确的物理、化学和生物机理方程，可直接反映真实的污染物迁移转化过程。可解释性相对较高，可以通过显式公式解释输入变量对输出结果的影响；但过度依赖数据，不考虑内在机理。可解释性最低，结果难以直接解释，需借助外部可解释性分析方法/工具辅助分析。维护和更新软件更新可能涉及新物理过程的描述和数值计算方法的创新。维护相对简单，主要涉及定期更新数据集并重新进行统计分析。维护相对简单，定期更新数据集/模型算法，并重新训练、优化模型。成本效益初期投入和运行成本较高，包括资料搜集、软件购买、硬件投资和专业人员培训。成本相对较低，主要涉及数据收集相关的费用。初期成本中等到较高，包括数据收集、大量计算资源的使用，以及开发人员的技术投入。但后期维护成本较低。8.2具体模型或算法的选择8.2.1数值模拟软件筛选原则在选择数值模拟软件时，重点评估其对介质类型及多相态污染物传输扩散过程的刻画能力，以及数值算法与计算性能等方面，具体功能与能力评估要素见表2。表2.数值模拟软件功能与能力评估清单考察要素关键检查点软件支持情况/说明适用性与规模适用场景VOCs多相（气-水-NAPL）、包气带+饱和带、裂隙/多孔介质。模型维度与规模2D/3D、典型网格规模与并行能力（MPI/GPU）物理过程与本构关系多相流与相变软件在相组分与相数、相对渗透率与毛细模型、相间平衡（溶解、挥发、吸附等以及NAPL作为独立相动力学迁移等方面的处理能力与实现方式。传输扩散过程软件对对流、弥散/扩散、相间传质，以及反应/降解考察要素关键检查点软件支持情况/说明与吸附等过程的支持情况与处理方式（含本构关系与数值耦合）。流动状态线性/非线性流及本构关系。介质结构与裂隙处理裂隙处理方式显式离散裂隙网络、连续介质等效、双重介质裂隙几何与表面裂隙形状刻画方式（多边形、圆/椭圆、管道）以及表面处理方式（光滑平行板假设/粗糙面）。界面与耦合裂隙-基质传质与渗流耦合方式。离散方法与数值算法网格与离散数值离散方法（有限元/有限体积/有限差分）、网格类型（结构/非结构）及局部加密算法。求解与稳定性时间离散方式（显式/隐式/自适应步长）、耦合与非线性求解、线性求解与预条件。前处理能力几何/地质建模CAD/GIS导入、地层/断层建模、DFN生成或外部导入。网格生成与导入内置网格器与质量控制、外部网格兼容。质量检查网格质量、量纲与单位检查。后处理能力可视化多维/时变、剖面/等值面/流线/迹线。结果提取与统计点/线/面/体加权平均与积分、通量与控制面统计、质量平衡分解、时间序列与区间统计。数据导出与格式转换原生格式与通用科学格式转换、坐标与单位元数据保工作流与生态易用性与接口GUI交互与即时诊断、命令行/脚本/API、批处理与参数化建模。集成互操作与GIS/CAD/数据库、其他求解器/格式的互操作、插件/二次开发机制。高性能计算/部署并行方式与可扩展性、集群作业与容器化部署。成本与许可许可与费用开源/商业、附加模块费用、是否出口管制。学习与维护文档与教程、培训与技术支持、社区活跃度、升级周8.2.2统计回归模型的选择8.2.2.1根据因变量分布类型（正态、二项等）、变量关系性质（线性、非线性）和数据结构（横截面、时间序列、面板数据）选择适当的模型。8.2.2.2在满足精度要求的前提下，优先选择较为简单的模型。避免过度拟合，并在模型复杂度与解释力之间保持合理平衡。8.2.2.3利用残差分析、多重共线性诊断等，检验模型假设的合理性与稳健性。8.2.2.4避免纯粹依赖统计结果，应确保模型设定与领域知识相一致。8.2.3人工智能模型算法的筛选8.2.3.1根据任务（如回归/分类、时序预测）与数据特征（如数据形态、质量、规模），初步确定候选算法集合。8.2.3.2考虑算法对不同类型数据（如结构化数据、图像、文本、时间序列等）的处理能力。评估算法在处理高维数据、不平衡数据集等特殊情况时的表现。8.2.3.3根据具体任务评估各模型算法的性能指标，如R2、RMSE、MAE、准确率等，并通过交叉验证与独立测试集检验泛化能力。8.2.3.4评估算法的计算成本，以及在不同硬件平台（CPU/GPU/TPU）上的性能与加速优化程度，特别是在大规模数据场景下的可扩展性与稳定性。8.2.3.5开展多模型对比，兼顾模型精度、计算成本与可解释性，筛选出最佳模型。9复杂介质场地挥发类有机污染物时空分布数字模型构建9.1数值模型构建9.1.1.1根据场地物理/工程边界和水文地质条件完成模型边界识别，并据此圈定计算域范围。9.1.1.2基于钻孔资料、地球物理勘探成果、地质图件及监测数据等，对多孔介质分层/分区结构、含水系统边界与源汇项、污染源时空特征及污染物传输扩散过程进行合理概化，据此构建多孔介质场地环境污染概念模型。9.1.1.3选择与研究问题相匹配的数值模拟器/模块，并对其控制方程、本构假设与适用条件进行核定。9.1.1.4制定空间离散方案（网格类型、尺寸与加密策略）与时间离散方案（时间步长与变步策略），并开展初步网格/时间步敏感性检查。9.1.1.5按多孔介质分区/分层对水文地质参数与污染物理化/传输扩散过程参数进行时空赋值与等效化处理，记录数据来源、先验范围与不确定性。9.1.1.6设置边界条件（类型、时空变化）与初始条件；明确外部驱动与源汇项（补给、抽/灌、污染源强及时序）。9.1.1.7开展参数估计与模型校准，在物理先验约束下开展参数估计/反演，调整关键参数使校准期内模拟结果与观测数据一致；报告校准误差与残差诊断。9.1.1.8进行敏感性分析，评估参数对模型响应的影响，识别关键控制因子，并优化参数设定与校准策略。9.1.1.9采用未参与模型构建的独立观测数据对模型进行验证，并评估模型精度与稳健性（RMSE、MAE、R2等）。9.1.1.10在经验证的模型上开展情景模拟，运行完成后提取或计算所需的污染特征变量。9.1.1.11分析预测结果的不确定性来源，并对不确定性进行量化与表征。9.1.1.12报告建模流程、参数与配置、校准与验证结果、情景预测与不确定性等模型成果。9.1.1.13持续更新与优化模型。9.1.2裂隙介质场地9.1.2.1随机离散裂隙网络生成：基于钻井、露头等资料提取场地裂隙几何结构与分布参数的统计特征，采用参数化统计与随机过程方法生成离散裂隙网络；随后结合野外示踪试验与抽水试验等观测对网络的连通性与等效水力特性进行校准，确定合适的裂隙网络结构。9.1.2.2等效连续介质方法：将裂隙介质等效为具有各向异性的多孔介质，其构建过程包括典型单元体（REV）确定，以及等效渗透张量等关键参数的计算与赋值。9.1.2.3双重介质模型：可采用双孔隙等效方法，或采用显式裂隙离散方法刻画裂隙并与基质进行耦合。9.1.2.4除介质处理方式不同外，其他建模流程与9.1.1多孔介质场地基本一致。9.2统计模型构建9.2.1基于观测数据直接构建9.2.1.1确定模型输入参数（如渗透系数、水力梯度、裂隙密度、污染物理化参数等），定义作为输出的污染特征变量（如污染物界面通量、污染羽稳定时间、污染物迁移最大距离等）。9.2.1.2进行数据清洗与预处理，包括异常值识别/处理、缺失值处置、特征变换与标准化，提升数据质量与可比性。9.2.1.3开展探索性分析：用描述性统计刻画集中趋势与离散度，采用相关分析与方差膨胀因子（VIF）识别相关性与多重共线性，并通过散点图、箱线图等可视化数据分布特征与关系。9.2.1.4构建回归模型：采用多元线性或非线性回归，使用最小二乘与（或）正则化方法估计参数，并结合逐步回归或其他变量筛选技术，优化模型结构。9.2.1.5以决定系数（R²)评估模型解释力，均方根误差（RMSE）和平均绝对误差（MAE）衡量拟合/预测误差规模，还可结合残差分析、显著性检验，以及交叉验证等，对模型拟合质量与预测能力进行全面评估。9.2.2结合机理模型仿真数据的泛化统计替代模型9.2.2.1为保证泛化统计替代模型数据来源的可靠性，宜优先选用合适的数值模型作为被替代的机理模型。9.2.2.2为有效训练替代模型，需依托机理模型产生充足且具有代表性的情景仿真数据。根据替代模型复杂度及预期适用范围，合理设计仿真情景数量。9.2.2.3定义目标污染特征变量（即因变量）；结合专业领域的理论知识与实际经验，对可能影响污染特征变量的因子/参数（即自变量）进行初步筛选。9.2.2.4结合实际工程经验、相关文献资料以及本次建模的具体应用情景，合理确定各自变量的变化范围。需充分考虑自变量的物理意义，避免超出实际可能的取值范围。对于具有较大不确定性的自变量，可适当扩大其取值范围，以提高模型的适用性。9.2.2.5根据情景覆盖程度与代表性、自变量的天然统计特征，以及可用计算资源，合理划分各自变量水平数并确定水平值。在取值范围内变化相对均匀的自变量可采用等间距取值；跨数量级变化或呈幂律关系的自变量可采用对数间距取值；在已知或疑似关键阈值/非线性拐点附近加密取值水平。9.2.2.6结合可用算力，选择适当的自变量参数组合及采样策略生成情景集，可选方法包括正交试验设计、均匀设计、蒙特卡罗采样、拉丁超立方采样等。9.2.2.7将所选自变量的参数组合（即代表情景）作为机理模型中的可变动参数，其他模型参数赋予经验值或常见取值，以降低模型复杂性。9.2.2.8采用所选机理模型对上述情景集进行仿真模拟，机理模型运行完成后从输出结果中提取或计算所需污染特征变量。9.2.2.9至此，初始情景集中的自变量与因变量数据准备完成。基于该数据集，对初筛影响因子进行敏感性分析、极差分析与方差分析等，定量识别对污染特征变量影响显著的自变量参数（即主控因子）。主控因子筛选过程中优先选取在工程实践中易获取且易量化的参数，以提升后续模型的实用性与可操作性。9.2.2.10可据步骤9.2.2.9中识别的主控因子，优化自变量参数集与情景设计（新增情景按步骤9.2.2.4至9.2.2.8执行）。得到新增数据后，与9.2.2.9中的原始数据合并，最终生成优化后的数据集。9.2.2.11利用步骤9.2.2.10中优化后的数据集构建泛化统计替代模型。替代模型可基于9.2.2.3中的全部初筛因子构建，或采用步骤9.2.2.9中识别的主控因子构建（即形成简化替代模型）。9.2.2.12在各自变量的取值范围内，随机采样生成新的参数组合情景，运行机理模型得到新的数据作为替代模型的验证集。9.2.2.13利用步骤9.2.2.12获取的验证集对泛化统计替代模型的预测能力进行验证和评估。评估指标见9.2.1.5。9.3人工智能模型9.3.1基于观测数据直接构建9.3.1.1明确任务类型（回归/分类等），参照9.2.1.1定义污染特征变量（即输出变量）、并据此选取输入特征。9.3.1.2对数据进行清洗与预处理：处理缺失与异常值、统一量纲与单位、时间/空间对齐、同步坐标与基准、按需进行数值缩放（标准化/归一化）与分布变换（如对数变换）。对于复杂问题，可进一步进行特征工程，结合专业知识构建新参数，提取关键因素并运用主成分分析等降维技术，增强模型对污染物传输扩散过程的表征能力。9.3.1.3按数据规模与任务需求选择划分与验证策略：样本较少时，采用K折交叉验证或留一法以提升利用率与稳定性；样本充足时，随机划分合适比例的训练集、验证集和测试集。通过重复随机划分或重复交叉验证评估模型性能的稳定性，并检验数据划分的合理性。数据划分应在数据处理与特征工程之前进行，严格隔离训练、验证与测试数据，避免因变量参与特征构建，防止数据泄露。9.3.1.4根据任务类型和问题复杂程度选择合适的机器学习算法。对于较简单的分类或回归等任务，可采用传统机器学习方法，如支持向量机（SVM）、随机森林（RF）或梯度提升（GBDT/XGBoost）等传统机器学习算法。对于涉及复杂非线性问题，可选用深度学习模型（如CNN、RNN、LSTM、Transformer、KAN等）。针对选定模型，需设计合理的架构（包括层数、节点数、激活函数、卷积核大小、池化方式等）及超参数，可通过网格搜索、随机搜索或贝叶斯优化等方法进行超参数寻优。9.3.1.5模型训练过程中可结合正则化、Dropout、早停、数据集扩增等方法抑制过拟合、提高模型的泛化能力。9.3.1.6评估模型性能时可采用均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R2）等指标。此外，结合SHAP值等方法解释模型预测结果，分析特征重要性。9.3.2结合机理模型仿真数据的泛化人工智能替代模型9.3.2.1目标污染特征变量（输出变量）的界定、输入特征参数的筛选与赋值、典型情景构建、机理模型运行与污染特征变量提取，参照步骤9.2.2.2至9.2.2.8执行。9.3.2.2除9.2.2.9中的主控因子识别方法外，在人工智能建模中可采用特征重要性与解释性方法识别关键输入特征，如基于树模型的特征重要性、部分依赖图、SHAP/LIME等解释方法，以指导特征筛选与情景优化。9.3.2.3参照9.2.2.9与9.2.2.10，完成人工智能模型训练集与验证集的准备。9.3.2.4按9.3.1中所述步骤构建泛化人工智能替代模型。9.3.2.5参照9.2.2.12方式生成未参与训练的新数据样本，并作为人工智能模型的测试集。9.3.2.6利用对9.3.2.5获取的测试集对泛化人工智能替代模型的预测能力进行验证和评估。评估指标见9.2.1.5。10模型预测结果的不确定性分析10.1.1预测结果的不确定性来源分析数值模型预测结果的不确定性来源，主要包括：数据测量不确定性（由观测/采样、仪器标定与预处理等环节引入的误差）、参数不确定性（参数估计误差与天然变异）、模型结构不确定性（机理简化、过程遗漏、耦合不足等导致的系统性偏差）、输入与边界条件不确定性、数值离散与计算误差（网格与时间步截断误差、数值弥散、求解器收敛与浮点误差），以及人为与流程不确定性。10.1.2不确定性量化利用参数敏感性分析、蒙特卡罗模拟与网格收敛性分析等方法，对数值模型预测结果的不确定性进行量化。10.1.3减少不确定性的方法从数据、参数、结构与数值实现等环节综合减少数值模型预测结果不确定性。通过优化布控监测点、使用高精度仪器与定期校准、标准化采样与实验流程，以及多源数据融合与一致化预处理等方式提升数据质量与覆盖；在参数层面，围绕高敏感因子开展现场/实验室试验，结合分区参数化与合理先验知识缩窄不确定范围，并通过多数据源联合校准降低参数不确定性；在模型结构与设置方面，补充关键过程与耦合，精化初始/边界条件与外部驱动的时空分辨率；在数值实现上，开展网格与时间步收敛性分析，在关键区域网格加密，并选用低数值弥散的离散格式与稳健求解器设置。10.2统计与人工智能模型10.2.1预测结果的不确定性来源分析并确定统计与人工智能模型预测结果的不确定性来源，包括数据噪声与测量误差、样本代表性不足与采样偏差、特征工程与预处理偏差、模型参数不确定性与训练随机性、模型结构或超参数选择不确定性，以及数据泄露等人为与流程因素。10.2.2不确定性量化可以通过交叉验证、模型集成与对比、蒙特卡罗采样、贝叶斯方法、以及特征重要性与敏感性分析等，对统计与人工智能模型的不确定性进行量化与评估。10.2.3减少不确定性的方法可通过改进数据质量与代表性、优化特征选择、控制模型复杂度、多次训练、超参数搜索及集成学习策略来降低模型的不确定性。可通过建立从数据管理、模型训练到部署监控的标准化流程，结合领域知识验证模型输出合理性，持续监控模型性能，建立更新机制等方式降低不确定性风险。附录A(资料性)部分挥发类有机污染物理化性质参数表序号中文名CASRNHatm-m3/molat25℃数据来源Dacm2/s数据来源Dwcm2/s数据来源Koccm3/g数据来源Koa数据来源Kow数据来源Swmg/L数据来源VmmHg数据来源密度g/cm3at20℃DVmpa·sat20℃一、挥发性有机物（1-34）1硝基苯98-95-32.40E-05EPI6.81E-02WT99.45E-06WT98.71E+01EPI7.24E+04EPI7.08E+01EPI2.09E+03EPI2.40E-01EPI1.863(25°C)2丙酮67-64-13.50E-05EPI1.06E-01WT9WT92.36E+00EPI2.04E+02EPI5.75E-01EPI1.00E+06EPI2.32E+02EPI0.7910.32031,1,2-三氯丙烷598-77-63.17E-04EPI5.72E-02WT99.17E-06WT99.49E+01EPI2.09E+04EPI2.69E+02EPI1.90E+03EPI3.10E+00EPI0.800-1.500(25°C)41,2,3-三氯丙烷96-18-43.43E-04EPI5.75E-02WT99.24E-06WT9EPI1.32E+04EPI1.86E+02EPI1.75E+03EPI3.69E+00EPI0.25051,1,2,2-四氯乙烷79-34-54.20E-04EPI4.89E-02WT99.29E-06WT99.49E+01EPI1.45E+04EPI2.45E+02EPI2.83E+03EPI5.74E+00EPI61,2-二溴甲烷106-93-46.50E-04EPI4.30E-02WT91.04E-05WT93.96E+01EPI3.47E+03EPI9.12E+01EPI3.91E+03EPIEPI2.1807二溴氯甲烷124-48-1EPI3.66E-02WT91.06E-05WT93.18E+01EPI3.89E+03EPI1.45E+02EPI4.12E+03EPI1.57E+01EPI2.4510.800-1.000(25°C)81,1,2-三氯乙烷79-00-58.24E-04EPI6.69E-02WT91.00E-05WT96.07E+01EPI2.51E+03EPI7.76E+01EPI4.59E+03EPI2.30E+01EPI1.690(25°C)91,2-二氯乙烷107-06-2EPI8.57E-02WT9WT93.96E+01EPI6.03E+02EPI3.02E+01EPI8.60E+03EPI7.89E+01EPI0.840一溴二氯甲烷75-27-42.12E-03EPI5.63E-02WT91.07E-05WT93.18E+01EPIEPI1.00E+02EPI6.19E+03EPI5.74E+01EPI0.550-0.600(25°C)1,4-二氯苯106-46-72.41E-03EPI5.50E-02WT98.68E-06WT93.75E+02EPI2.88E+04EPI2.75E+03EPI8.13E+01EPI1.74E+00EPI常温下为固态630-20-62.50E-03EPI4.82E-02WT99.10E-06WT98.60E+01EPI8.32E+03EPI8.51E+02EPI1.07E+03EPI1.20E+01EPI1.500苯乙烯100-42-52.75E-03EPI7.11E-02WT98.78E-06WT94.46E+02EPI7.94E+03EPI8.91E+02EPI3.00E+02EPI6.40E+00EPI0.9060.696(25°C)1,2-二氯丙烷78-87-52.82E-03EPI7.33E-02WT99.73E-06WT96.07E+01EPI9.12E+02EPI9.55E+01EPI2.80E+03EPI5.33E+01EPI0.550-0.600(25°C)氯苯108-90-73.11E-03EPI7.21E-02WT99.48E-06WT92.34E+02EPI2.04E+03EPI6.92E+02EPI4.98E+02EPI1.20E+01EPI1.1060.806二氯甲烷75-9-23.25E-03EPI9.99E-02WT91.25E-05WT92.17E+01EPI1.86E+02EPI1.78E+01EPI1.30E+04EPI4.35E+02EPI0.437氯仿(三氯甲烷)67-66-33.89E-03EPI7.69E-02WT91.09E-05WT93.18E+01EPI6.31E+02EPI9.33E+01EPI7.95E+03EPI1.97E+02EPI0.5631,2-顺式-二氯乙烯156-59-23.98E-03EPI8.84E-02WT9WT93.96E+01EPI3.63E+02EPI7.24E+01EPI6.41E+03EPI2.00E+02EPI0.480邻二甲苯95-47-65.18E-03EPI6.89E-02WT98.53E-06WT93.83E+02EPI8.13E+03EPI1.32E+03EPI1.78E+02EPI6.61E+00EPI0.8800.760(25°C)20苯71-43-25.55E-03EPI8.95E-02WT91.03E-05WT91.46E+02EPI6.03E+02EPI1.35E+02EPI1.79E+03EPI9.48E+01EPI0.8760.604(25°C)211,1-二氯乙烷75-34-35.87E-03EPI8.36E-02WT91.06E-05WT93.18E+01EPI2.57E+02EPI6.17E+01EPI5.04E+03EPI2.27E+02EPI0.464(25°C)22二甲苯1330-20-76.63E-03EPI6.85E-02WT98.46E-06WT93.83E+02EPI5.37E+03EPI1.45E+03EPI1.06E+02EPI7.99E+00EPI0.8640.581(25°C)23108-88-36.64E-03EPI7.78E-02WT99.20E-06WT92.34E+02EPI2.04E+03EPI5.37E+02EPI5.26E+02EPI2.84E+01EPI0.8620.560(25°C)24对二甲苯106-42-36.90E-03EPI6.82E-02WT98.42E-06WT93.75E+02EPI6.17E+03EPI1.41E+03EPI1.62E+02EPI8.84E+00EPI0.8610.603(25°C)25间二甲苯108-38-37.18E-03EPI6.84E-02WT98.44E-06WT93.75E+02EPI6.03E+03EPI1.58E+03EPI1.61E+02EPI8.29E+00EPI0.8640.581(25°C)26100-41-47.88E-03EPI6.85E-02WT98.46E-06WT94.46E+02EPI5.50E+03EPI1.41E+03EPI1.69E+02EPI9.60E+00EPI0.8670.640(25°C)27氯甲烷74-87-39.49E-03EPI1.24E-01WT91.36E-05WT91.32E+01EPI2.45E+01EPI8.13E+00EPI5.32E+03EPI4.30E+03EPI0.911(25°C)0.270281,2-反式-二氯乙烯156-60-59.34E-03EPI8.76E-02WT9WT93.96E+01EPI3.24E+02EPI1.23E+02EPI4.52E+03EPI3.31E+02EPI0.41029三氯乙烯79-01-069.85E-03EPI6.87E-02WT91.02E-05WT96.07E+01EPI9.77E+02EPI2.63E+02EPI1.28E+03EPI6.90E+01EPI0.545(25°C)3071-55-62.00E-02EPI6.48E-02WT99.60E-06WT94.39E+01EPI5.01E+02EPI3.09E+02EPI1.29E+03EPI1.24E+02EPI0.86031四氯乙烯127-18-42.00E-02EPI5.05E-02WT99.46E-06WT99.49E+01EPI3.02E+03EPI2.51E+03EPI2.06E+02EPI1.85E+01EPI0.839(25°C)321,1-二氯乙烯75-35-43.00E-02EPI8.63E-02WT9WT93.18E+01EPI1.05E+02EPI1.35E+02EPI2.42E+03EPI6.00E+02EPI0.33033四氯化碳56-23-53.00E-02EPI5.71E-02WT99.78E-06WT94.39E+01EPI6.17E+02EPI6.76E+02EPI7.93E+02EPIEPI0.922(25°C)34氯乙烯75-01-47.10E-03EPI1.07E-01WT91.20E-05WT92.17E+01EPI1.00E+02EPI2.88E+01EPI8.80E+03EPI2.98E+03EPI0.9110.011二、半挥发性有机物（35-100）35草甘膦1071-83-64.08E-19EPI6.21E-02WT97.26E-06WT92.10E+03EPI2.40E+13EPI3.98E-04EPI1.00E+06EPI9.80E-08EPI常温下为固态363,3-二氯联苯胺91-94-14.42E-07EPI4.75E-02WT95.55E-06WT93.19E+03EPI1.78E+08EPI3.24E+03EPI3.10E+00EPI4.11E-06EPI常温下为固态37乐果60-51-52.43E-10EPI2.61E-02WT96.74E-06WT91.28E+01EPI6.03E+08EPI6.03E+00EPI2.33E+04EPI1.88E-05EPI1.000-1.500(25°C)38阿特拉津1912-24-92.49E-09EPI2.65E-02WT96.84E-06WT92.25E+02EPI3.98E+09EPI4.07E+02EPI3.30E+01EPI2.89E-07EPI1.200常温下为固态39五氯酚87-86-52.75E-06EPI2.95E-02WT98.01E-06WT95.92E+02EPIEPI1.32E+05EPI1.40E+01EPIEPI1.980(15°C)常温下为固态402,4-二硝基甲苯121-14-25.40E-08EPI3.75E-02WT97.90E-06WT92.10E+03EPI4.37E+07EPI9.55E+01EPI2.00E+02EPI7.19E-04EPI常温下为固态序号中文名CASRNHatm-m3/molat25℃数据来源Dacm2/s数据来源Dwcm2/s数据来源Koccm3/g数据来源Koa数据来源Kow数据来源Swmg/L数据来源VmmHg数据来源密度g/cm3at20℃DVmpa·sat20℃412,4-二硝基酚51-28-54.55E-11EPI4.07E-02WT99.08E-06WT93.19E+03EPI2.51E+10EPI4.68E+01EPI9.11E+02EPI1.31E-05EPI常温下为固态42二苯并(a,h)蒽53-70-31.40E-07EPI4.46E-02WT95.21E-06WT91.28E+01EPI9.77E+11EPI5.62E+06EPI2.49E-03EPI9.55E-10EPI常温下为固态43邻苯二甲酸二(2-乙基己)酯117-81-72.70E-07EPI1.73E-02WT94.18E-06WT92.25E+02EPI3.63E+12EPI3.98E+07EPI2.70E-01EPI1.42E-07EPI0.981(25°C)20.10044苯酚108-95-23.33E-07EPI8.34E-02WT91.03E-05WT95.92E+02EPI2.14E+06EPI2.88E+01EPI8.28E+04EPI3.50E-01EPI1.071(25°C)常温下为固态45茚并(1,2,3-cd)芘193-39-53.48E-07EPI4.48E-02WT95.23E-06WT95.76E+02EPI3.47E+11EPI5.01E+06EPI1.90E-04RSL1.25E-10EPI1.185常温下为固态46β-六六六319-85-74.40E-07EPI2.77E-02WT97.40E-06WT94.61E+02EPI7.59E+08EPI6.03E+03EPI2.40E-01EPI4.77E-05EPI常温下为固态47苯并(a)芘50-32-84.57E-07EPI4.76E-02WT95.56E-06WT91.91E+06EPI7.24E+10EPI1.35E+06EPI1.62E-03EPI5.49E-09EPI1.400常温下为固态48敌敌畏62-73-78.58E-07EPI2.79E-02WT97.33E-06WT91.20E+05EPI7.76E+05EPI2.69E+01EPI1.50E+05EPI2.00E-02EPI1.415(25°C)0.800-1.000(25°C)49苯并(k)荧蒽207-08-95.84E-07EPI4.76E-02WT95.56E-06WT91.87E+02EPI5.37E+10EPI1.29E+06EPI8.00E-04EPI9.65E-10EPI1.286常温下为固态50邻苯二甲酸二乙酯84-66-22.01E-07EPI2.61E-02WT96.72E-06WT91.95E+06EPI3.16E+07EPI2.63E+02EPI1.08E+03EPI7.43E-04EPI35.100(0°C)51苯并(b)荧蒽205-99-26.57E-07EPI4.76E-02WT95.56E-06WT95.99E+05EPI2.24E+10EPI6.03E+05EPI1.50E-03EPI5.00E-07EPI1.1549常温下为固态524-甲酚（对-）106-44-51.00E-06EPI7.24E-02WT99.24E-06WT93.00E+02EPI2.14E+06EPI8.71E+01EPI2.15E+04EPIEPI常温下为半固态53邻苯二甲酸丁苄酯85-68-71.26E-06EPI2.08E-02WT95.17E-06WT97.16E+03EPI1.05E+09EPI5.37E+04EPI2.69E+00EPI8.25E-06EPI1.12042.000(25°C)542,4,5-三氯酚95-95-42.21E-06EPI3.14E-02WT98.09E-06WT91.60E+03EPI5.75E+07EPI5.25E+03EPI8.82E+02EPI7.50E-03EPI1.678(25°C)常温下为固态55邻苯二甲酸二丁酯84-74-26.57E-07EPI2.14E-02WT95.33E-06WT9EPIEPI3.16E+04EPIEPI2.01E-05EPI20.30056苯胺62-53-32.02E-06EPI8.30E-02WT91.01E-05WT97.02E+01EPI9.55E+04EPI7.94E+00EPI3.60E+04EPI6.70E-01EPI4.35057邻苯二甲酸二正辛酯117-84-02.34E-06EPI3.56E-02WT94.15E-06WT91.41E+05EPI1.32E+12EPI1.26E+08EPI2.00E-02EPI1.00E-07EPI0.98(25°C)39.000582,4,6-三氯酚88-06-24.16E-06EPI3.14E-02WT98.09E-06WT93.81E+02EPI2.88E+07EPI4.90E+03EPI5.00E+02EPI8.00E-03EPI1.675(25°C)常温下为固态592,4-二a氯酚120-83-24.66E-06EPI4.86E-02WT98.68E-06WT91.47E+02EPI6.03E+06EPIEPI5.52E+03EPI1.20E-01EPI1.400(15°C)常温下为固态60γ-六六六58-89-95.14E-06EPI4.33E-02WT95.06E-06WT92.81E+03EPI7.08E+07EPI5.25E+03EPI7.30E+00EPI4.77E-05EPI常温下为固态61䓛218-01-95.23E-06EPI2.61E-02WT96.75E-06WT91.81E+05EPI3.02E+09EPI6.46E+05EPI2.00E-03EPI6.23E-09EPI常温下为固态62毒杀芬8001-35-24.35E-05EPI3.42E-02WT94.00E-06WT97.72E+04EPI4.47E+08EPI7.94E+05EPI6.97E-02EPI3.62E-06EPI常温下为固态63异狄氏剂72-20-86.36E-06EPI3.62E-02WT94.22E-06WT92.01E+04EPI1.35E+08EPI1.58E+05EPI2.50E-01EPI1.07E-05EPI1.700常温下为固态64滴滴滴72-54-86.60E-06EPI4.06E-02WT94.74E-06WT9EPI1.26E+10EPI1.05E+06EPI9.00E-02EPI1.35E-06EPI常温下为固态65α-六六六319-84-68.61E-06EPI4.33E-02WT95.06E-06WT92.81E+03EPI4.07E+07EPI6.31E+03EPI2.00E+00EPI4.50E-05EPI常温下为固态66滴滴涕50-29-38.32E-06EPI3.79E-02WT94.43E-06WT91.69E+05EPI6.61E+09EPI8.13E+06EPI5.50E-03EPI2.41E-03EPI1.560(15°C)常温下为固态67荧蒽206-44-08.86E-06EPI2.76E-02WT97.18E-06WT95.55E+04EPI7.59E+08EPI1.45E+05EPI2.60E-01EPI9.22E-06EPI常温下为固态68多氯联苯7732598-13-39.40E-06EPI4.94E-02WT95.04E-06WT97.81E+04EPI5.01E+09EPI4.27E+06EPI5.69E-04EPI1.64E-05EPI1.442常温下为固态69狄氏剂60-57-11.00E-05EPI2.33E-02WT96.01E-06WT92.01E+04EPI7.94E+08EPI2.51E+05EPI2.00E-01EPI5.89E-06EPI常温下为固态702-氯酚95-57-8EPI6.61E-02WT99.48E-06WT93.88E+02EPI3.09E+05EPI1.41E+02EPIEPI2.53E+00EPI1.250(25°C)3.579(25°C)71芘129-00-0EPI2.78E-02WT97.25E-06WT95.43E+04EPI6.31E+08EPI7.59E+04EPI1.40E-01EPI4.50E-06EPI1.271(23°C)常温下为固态72苯并(a)蒽56-55-31.20E-05EPI2.61E-02WT96.75E-06WT91.77E+05EPIEPI5.75E+05EPI9.40E-03EPI2.10E-07EPI常温下为固态73滴滴伊72-55-94.16E-05EPI2.30E-02WT95.86E-06WT9EPI4.79E+09EPI3.24E+06EPI4.00E-02EPI6.00E-06EPI1.340-1.360常温下为固态74艾氏剂309-00-24.40E-05EPI3.72E-02WT94.35E-06WT98.20E+04EPI1.20E+08EPI3.16E+06EPI2.00E-02EPI1.20E-04EPI1.700常温下为固态75氯丹57-74-94.86E-05EPI2.15E-02WT95.45E-06WT96.75E+04EPI7.24E+08EPI1.45E+06EPI6.00E-02EPI9.75E-06EPI1.565(25°C)6900.000(25°C)76二恶英（以TCDD2378计）1746-01-63.18E-06EPI4.70E-02WT96.76E-06WT92.49E+05EPIEPI6.31E+06EPI2.00E-04EPI1.50E-09EPI1.800常温下为固态77多氯联苯18939635-31-91.38E-04EPI4.24E-02WT95.69E-06WT93.50E+05EPI3.31E+10EPI1.86E+08EPI7.53E-04EPI5.72E-08EPI1.500–1.600常温下为固态78蒽120-12-75.56E-05EPI3.90E-02WT97.85E-06WT91.64E+04EPI3.55E+07EPI2.82E+04EPI9.60E-01EPI6.53E-06EPI1.240常温下为固态79硫丹11