arXiv cs.AI· T. Ansah-Narh, G. Y. Afrifa, J. B. Tandoh, E. N. N. Nortey, D. Adjei, R. Opoku-Sarkordie, R. Davis·· 11 小时前AI 评分18
用贝叶斯概率框架量化加纳 Densu 流域儿童重金属健康风险
Quantifying the Threat: A Bayesian Probabilistic Framework for Heavy Metal Health Risks among Children in the Densu Basin, Ghana
AI 导读
研究用贝叶斯概率框架评估加纳 Densu 河流域地下水重金属对儿童的非致癌风险，基于 94 个地下水样本的 Fe、Mn、Ni、Pb、Cd、As 测量数据，以自适应 Hamiltonian Monte Carlo 做后验推断。
正文 · AI 翻译
摘要：加纳登苏河流域的地下水仍是重要的生活用水来源，但多种金属污染威胁儿童健康。此前的确定性危害指数评估对不确定性、共同暴露和空间变异性的处理有限。本研究采用贝叶斯概率框架进行非致癌风险评估，使用了 94 个地下水样本以及 Fe、Mn、Ni、Pb、Cd 和 As 的测量值。贝叶斯回归模型传播参数不确定性，并考虑污染物的共现。采用自适应哈密顿蒙特卡洛进行后验推断，同时使用反距离加权生成空间连续的風險表面。Pb、As 和 Cd 主导累积风险。后验预测结果表明，约 31% 的采样点超过危害指数（HI）1 的概率大于 0.5。风险表面高度异质，后验均值为 0.372，标准差为 0.416。高风险区往往反映的是中等程度的共同暴露，而非单一金属的极端污染。该框架提供了考虑不确定性、空间明确的信息，以支持数据有限地区的地下水监测、风险缓解和公共卫生规划。
| 评论： | 59 页，7 幅图，稿件正在 Stochastic Environmental Research and Risk Assessment (SERRA) 同行评审中 |
| 主题： | 应用（stat.AP）；人工智能（cs.AI）；机器学习（cs.LG）；地球物理（physics.geo-ph）；机器学习（stat.ML） |
| 引用为： | arXiv:2610.28064 [stat.AP] |
| （或 arXiv:2610.28064v1 [stat.AP] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28064 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Theophilus Ansah-Narh [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 11:48:56 UTC（3,155 KB）
来源：arXiv cs.AI · arxiv.org