Improvement of work efficiency of water environment monitoring methods using parameters estimated by multivariate analysis and machine learning

Research Project

Project/Area Number	25K15481
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 64010:Environmental load and risk assessment-related
Research Institution	Nagahama Institute of Bio-Science and Technology
Principal Investigator	中村卓長浜バイオ大学, バイオサイエンス学部, 教授 (80344050)
Co-Investigator(Kenkyū-buntansha)	塩生真史長浜バイオ大学, バイオサイエンス学部, 教授 (30345847) 須戸幹滋賀県立大学, 環境科学部, 教授 (50206570)
Project Period (FY)	2025-04-01 – 2028-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2027: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2025: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Keywords	パッシブサンプリング法 / Rs値 / 予測モデル構築 / 記述子 / グラフニューラルネットワーク
Outline of Research at the Start	水環境中の化学物質モニタリングは生態系の環境保全の観点から非常に重要である。モニタリング方法には現場で採水したサンプルを測定するグラブサンプリング法と、吸着剤を疎水性膜で挟み込んだ器具を一定期間浸漬して吸着剤への集積量を測定するパッシブサンプリング（PS）法があり、労力が少ないPS法への移行が期待されている。しかし、PS法の結果解析に必要なパラメータ（Rs値）決定には長時間の実験と労力が必要である。そこで、分析対象の化学物質の物理化学的性質や化学構造の特徴とRs値の実験データから、多変量解析や機械学習でモデル式を構築しRs値を精度よく推定して、この時間と労力の問題点を解決することを目指す。