機器學(xué)習(xí)在煤的地球化學(xué)中的應(yīng)用

許 娜，黃 斌，李 強，朱 偉，王志瑋，汪 茹

(中國礦業(yè)大學(xué)(北京) 地球科學(xué)與測繪工程學(xué)院，北京 100083)

研究煤中元素的賦存狀態(tài)有助于準(zhǔn)確評價有害元素對環(huán)境的影響，推斷煤中元素的賦存狀態(tài)，為從煤和煤灰中回收關(guān)鍵金屬元素提供技術(shù)指導(dǎo)，從而提高煤的高效加工和利用效率；同時，可以幫助理解泥炭沉積和煤化作用過程，對煤中礦物質(zhì)的富集成因解釋也有重要意義。然而，煤的物質(zhì)組成來源和成煤過程復(fù)雜，導(dǎo)致煤中元素賦存狀態(tài)多樣，給賦存狀態(tài)的精準(zhǔn)確定造成很大困難。

研究煤中元素賦存狀態(tài)的方法可分為直接方法和間接方法，直接方法主要包括光學(xué)顯微鏡、各種顯微探針方法(電子、離子和X射線探針)、掃描電鏡+能譜、透射電鏡+能譜、穆斯堡爾譜(價態(tài))、同步輻射X射線熒光和譜學(xué)方法(如X射線吸收精細結(jié)構(gòu)譜方法)等；間接方法包括數(shù)理統(tǒng)計方法、浮沉試驗方法和化學(xué)方法(如逐級化學(xué)提取試驗方法)。常用的統(tǒng)計學(xué)方法有相關(guān)分析、聚類分析、因子分析和多元判別分析等，其中相關(guān)分析是基于灰分、常量元素質(zhì)量分?jǐn)?shù)與微量元素質(zhì)量分?jǐn)?shù)的相關(guān)性來判斷元素的賦存狀態(tài)(如計算煤的灰分與煤中元素質(zhì)量分?jǐn)?shù)之間的相關(guān)系數(shù))，但是該方法在判別煤中元素賦存狀態(tài)時有諸多問題，例如不同基準(zhǔn)下(全煤基和灰基)煤中元素之間相關(guān)性有時表現(xiàn)不一致，據(jù)此推斷的賦存狀態(tài)有較大差異。由于煤中元素的質(zhì)量分?jǐn)?shù)是成分?jǐn)?shù)據(jù)，屬于非歐式空間，常用的數(shù)據(jù)轉(zhuǎn)換算法有非對稱對數(shù)比轉(zhuǎn)換方法、對稱對數(shù)比轉(zhuǎn)換方法、等距對數(shù)比轉(zhuǎn)換方法、樞軸坐標(biāo)方法和加權(quán)對稱的樞軸坐標(biāo)方法；數(shù)據(jù)點間距離的計算方法有歐式距離和皮爾遜相關(guān)系數(shù)；層次聚類常用的算法有平均鏈接、全鏈接、單鏈接和質(zhì)心鏈接，不同的層次聚類算法在判別煤中元素的賦存狀態(tài)時也會有諸多問題，例如不同的層次聚類算法可能會導(dǎo)致煤中元素賦存狀態(tài)的結(jié)果不同。一些學(xué)者也指出了上述存在的述問題，但是尚未找到根本的解決方法。隨著人工智能的出現(xiàn)，尤其是機器學(xué)習(xí)的發(fā)展為上述問題的解決提供了可能。筆者討論上述問題存在的原因、機器學(xué)習(xí)解決上述的方案；同時，機器學(xué)習(xí)在煤中關(guān)鍵金屬和有害元素地球化學(xué)中研究中也表現(xiàn)出了良好的應(yīng)用前景，筆者以機器學(xué)習(xí)算法預(yù)測了在運用四級桿電感耦合等離子體質(zhì)譜方法測試煤中微量元素過程中鋇(Ba)對關(guān)鍵金屬元素銪(Eu)干擾的臨界值，以及確定了基于CART算法確定煤中放射性核素鈾對環(huán)境和人體健康輻射危害的安全閾值為例。

1 傳統(tǒng)統(tǒng)計方法在煤中元素賦存狀態(tài)研究中存在的問題與解決方案

1.1 不同基準(zhǔn)(全煤基和灰基)下的煤中元素相關(guān)性不一致研究

煤中元素質(zhì)量分?jǐn)?shù)的表達方法有2種基準(zhǔn)，灰基(ash basis)和全煤基(whole coal basis)?；一父邷鼗业幕鶞?zhǔn)(如815 ℃)。煤中元素的質(zhì)量分?jǐn)?shù)可以在全煤基和灰基之間實現(xiàn)互相轉(zhuǎn)換：[]=([]×灰分)。雖然煤中元素質(zhì)量分?jǐn)?shù)在2種基準(zhǔn)下能夠?qū)崿F(xiàn)互相轉(zhuǎn)換，但是當(dāng)質(zhì)譜分析并非通過煤的高溫灰化進行，2種不同基準(zhǔn)下元素與灰分的相關(guān)系數(shù)可能會不一致，例如，內(nèi)蒙古大青山煤田阿刀亥煤中AlO質(zhì)量分?jǐn)?shù)和灰分的相關(guān)系數(shù)在全煤基準(zhǔn)下為0.89，但在灰分基準(zhǔn)下為-0.3。這2種基準(zhǔn)下的相關(guān)性分析，雖然已經(jīng)被眾多煤地質(zhì)學(xué)家所采用，然而2種基準(zhǔn)下元素之間、元素和灰分之間的相關(guān)性不一致的問題給煤中元素賦存狀態(tài)和富集成因的解釋帶來困擾，甚至?xí)贸鲥e誤的解釋。雖然之前的很多研究都對此問題進行了闡述，但尚未得到很好的解決。為了解決該問題，提出改進的非對稱對數(shù)比轉(zhuǎn)換方法。由于煤中元素含量是成分?jǐn)?shù)據(jù)，屬于非歐式空間，導(dǎo)致了不同基準(zhǔn)(全煤基和灰基)下的煤中元素相關(guān)性不一致。

1.2 機器學(xué)習(xí)算法解決煤中元素數(shù)據(jù)相關(guān)性不一致的問題

為解決不一致性的問題，需將成分?jǐn)?shù)據(jù)從非歐式空間轉(zhuǎn)換至歐式空間，其中應(yīng)用最廣泛的成分?jǐn)?shù)據(jù)轉(zhuǎn)換方法有非對稱對數(shù)比轉(zhuǎn)換方法(alr)、對稱對數(shù)比轉(zhuǎn)換方法(clr)和等距對數(shù)比轉(zhuǎn)換方法(ilr)。

(1)非對稱對數(shù)比轉(zhuǎn)換方法(alr)的表達式為

(1)

其中，為一個樣本中元素的數(shù)量；為第個元素的質(zhì)量分?jǐn)?shù)；為任意元素的質(zhì)量分?jǐn)?shù)，其中的選擇具有很強的主觀性，需要根據(jù)實際情況選擇。為了消除這種主觀性，對稱對數(shù)比轉(zhuǎn)換方法和等距對數(shù)比轉(zhuǎn)換方法被提出。

(2)對稱對數(shù)比轉(zhuǎn)換方法(clr)是在alr轉(zhuǎn)換方法的基礎(chǔ)上提出的，其分母用幾何平均值來表示，表達式為

(2)

(3)等距對數(shù)比轉(zhuǎn)換方法(ilr)是根據(jù)成分?jǐn)?shù)據(jù)的幾何結(jié)構(gòu)提出的轉(zhuǎn)換方法，其核心是用標(biāo)準(zhǔn)正交基定義新數(shù)據(jù)，表達式為

(3)

筆者提出改進的非對稱對數(shù)比轉(zhuǎn)換方法(ialr)是將alr轉(zhuǎn)換方法中的用比其他元素更加穩(wěn)定的常量元素Al和微量元素Zr替代，煤中常量元素的轉(zhuǎn)換表達式為

(4)

煤中微量元素的轉(zhuǎn)換表達式為

(5)

以內(nèi)蒙古大青山煤田大炭豪煤礦和阿刀亥煤礦晚古生代主采煤層的樣品(共106個)為例，對該算法進行了性能驗證，結(jié)果如圖1，2所示。

改進的非對稱對數(shù)比變換模型比常用的非對稱對數(shù)比變換、中心化對數(shù)比變換、等距對數(shù)比變換以及穩(wěn)定性在煤中元素賦存狀態(tài)的預(yù)測結(jié)果方面更為準(zhǔn)確，尤其是在稀土元素(REE)、常量元素(Ca,Mg,Mn和Fe)、微量元素(Sr和Ba,Nb和Ta)、Cd和Zn元素的聚合性能更好，有效解決了煤和煤灰不同基準(zhǔn)下元素之間、元素和灰分之間相關(guān)性不一致的問題。

1.3 基于機器學(xué)習(xí)算法的煤中元素賦存狀態(tài)及其來源研究

運用傳統(tǒng)的數(shù)理統(tǒng)計方法(如計算煤灰分與煤中元素質(zhì)量分?jǐn)?shù)之間的相關(guān)性)所推斷煤中元素賦存狀態(tài)，幾乎都是采用全部樣本一并進行統(tǒng)計，從而得出單個相關(guān)系數(shù)。但是，煤中灰分變化范圍寬(1%～50%)，很多元素在不同灰分的煤中的賦存狀態(tài)變化很大，其賦存載體不一，因此眾多樣本一并統(tǒng)計，可能會出現(xiàn)賦存狀態(tài)推斷的偏差。同時，不同灰分的煤中元素特定的賦存狀態(tài)，可能指示其物質(zhì)來源或保存環(huán)境。因此，根據(jù)煤中灰分的動態(tài)變化來推斷元素的賦存狀態(tài)，可以避免因為灰分變化范圍大而造成賦存狀態(tài)推斷的偏差，同時還可以提供元素來源和富集保存的有用信息。

(6)

圖1 大炭豪煤礦煤炭元素的聚類分析Fig.1 Cluster analysis for coal element data from the Datanhao Mine

圖2 阿刀亥煤礦煤炭元素的聚類分析Fig.2 Cluster analysis for coal element data from the Adaohai Mine

(7)

以內(nèi)蒙古哈爾烏素露天礦晚古生代主采煤層為例，應(yīng)用兩段式聚類算法判別出煤中元素不同來源的臨界點為9%，如圖3所示。其中，該樣本組被選擇的原因是：① 煤中含有相對簡單的礦物組合，以高嶺石和勃姆石為主，含有少量的方解石、黃鐵礦和石英；相對簡單的礦物組合為精準(zhǔn)確定煤中元素的賦存狀態(tài)提供了可能；② 礦物來源單一，主要礦物高嶺石和勃姆石主要以碎屑或溶液形式來源于蝕源區(qū)；③ 通過直接方法，如X射線衍射分析、帶能譜儀的掃描電子顯微鏡和光學(xué)顯微鏡對礦物進行賦存狀態(tài)研究并進行了交叉驗證，確定了煤中大部分元素的賦存狀態(tài)；④ 用X射線熒光光譜和電感耦合等離子體質(zhì)譜測定了煤中常量元素和微量元素的含量，其結(jié)果與礦物學(xué)結(jié)果一致，表明了地球化學(xué)分析和礦物學(xué)分析的可靠性；⑤ 該煤的灰分范圍大(3.66%～46.56%)，為不同灰分下的煤中元素賦存狀態(tài)的漸變分析提供了可能。

圖3 部分元素與灰分相關(guān)系數(shù)[25]Fig.3 Correlation coefficient of some elements and ash yield[25]

通過研究分析發(fā)現(xiàn)：① 以煤灰分9%為臨界點劃分的高灰分和低灰分煤中元素的賦存狀態(tài)差異明顯；低灰分煤中大部分元素以有機態(tài)為主，高灰分煤中相應(yīng)的元素以礦物態(tài)為主。② 以煤灰分9%為臨界點，低灰分煤中的元素主要來源是成煤植物本身和沉積環(huán)境，高灰分煤中元素的主要來源為蝕源區(qū)(陰山古陸以及盆地北緣隆起的風(fēng)化殼鋁土礦)。

1.4 基于層次聚類算法的煤中元素的賦存狀態(tài)預(yù)測

層次聚類算法是機器學(xué)習(xí)最常用的方法之一，應(yīng)用不同的層次聚類算法會顯示不同的煤中元素的組合。為分析不同層次聚類算法的有效性，筆者對煤中元素的層次聚類算法的有效性進行了對比分析。

轉(zhuǎn)換算法有樞軸坐標(biāo)(Pivot Coordinates,PC)和加權(quán)對稱的樞軸坐標(biāo)(Weighted Symmetric Pivot Coordinates,WSPC)。4種常見的層次聚類算法有平均鏈接(Average-Linkage)、全鏈接(Complete-Linkage)、單鏈接(Single-Linkage)和質(zhì)心鏈接(Centroid-Linkage)。數(shù)據(jù)點間距離計算方法有歐式距離(Euclidean distance)和基于皮爾遜相關(guān)系數(shù)的距離。根據(jù)轉(zhuǎn)換算法、簇間距離和數(shù)據(jù)點之間距離計算方法的不同，可以組合得出不同的層次聚類算法(表1)。

等距對數(shù)比坐標(biāo)(isometric log-ratio coordinates,olr)可以將數(shù)據(jù)從單純形空間映射到歐幾里德空間。對olr坐標(biāo)的一種特殊的基準(zhǔn)選擇產(chǎn)生了樞軸坐標(biāo)(PC)，其定義如下：

(8)

式中，含義同，表示枚舉；為的范圍上限。

表1 不同組合的層次聚類算法

(9)

(10)

以研究程度較高的內(nèi)蒙古大青山煤田大炭豪礦和阿刀亥礦的晚石炭世煤中元素為例，驗證不同的層次聚類算法對元素進行聚類并由此進行賦存狀態(tài)分析。可以得出：

(1)在對原始數(shù)據(jù)、樞軸坐標(biāo)轉(zhuǎn)換后的數(shù)據(jù)和加權(quán)對稱樞軸坐標(biāo)轉(zhuǎn)換后的數(shù)據(jù)的層次聚類分析中，相關(guān)性距離都要比歐氏距離好，如圖4，5所示。

(2)對于使用相關(guān)性距離的層次聚類結(jié)果，加權(quán)對稱的樞軸坐標(biāo)轉(zhuǎn)換比樞軸坐標(biāo)轉(zhuǎn)換略好，且比原始數(shù)據(jù)轉(zhuǎn)換要好，如圖5～7所示。

圖4 使用歐式距離對阿刀亥礦數(shù)據(jù)(樞軸坐標(biāo))的聚類結(jié)果Fig.4 Clustering result of Adaohai data (pivot coordinates)with Euclidean distance

圖5 使用Pearson相關(guān)對阿刀亥礦數(shù)據(jù)(樞軸坐標(biāo))進行聚類Fig.5 Clustering result of Adaohai data (pivot coordinates) with Pearson correlation

圖6 用Pearson相關(guān)對阿刀亥礦數(shù)據(jù)(加權(quán)對稱坐標(biāo)) 進行聚類Fig.6 Clustering result of Adaohai data (WSPC) with Pearson correlation

(3)單鏈接、全鏈接、平均鏈接和質(zhì)心鏈接的4種常見的分層聚類算法具有相近的聚類性能，但是平均鏈接算法的效果相對要好，因為它可以更好地揭示元素的地球化學(xué)特征，如圖4～7所示。結(jié)果表明，在基于原始數(shù)據(jù)和轉(zhuǎn)換后數(shù)據(jù)的聚類分析中，基于皮爾遜相關(guān)系數(shù)的距離度量都要比歐幾里德距離好。一般來說，基于樞軸坐標(biāo)進行轉(zhuǎn)換后的數(shù)據(jù)優(yōu)于原始數(shù)據(jù)，而加權(quán)對稱的樞軸坐標(biāo)又優(yōu)于樞軸坐標(biāo)。

2 機器學(xué)習(xí)在煤中關(guān)鍵金屬和有害元素的地球化學(xué)中研究的應(yīng)用實例

機器學(xué)習(xí)在解決上述傳統(tǒng)數(shù)理統(tǒng)計方法展現(xiàn)出了明顯的優(yōu)勢，同時，機器學(xué)習(xí)在煤中關(guān)鍵金屬和有害元素地球化學(xué)中研究中也表現(xiàn)出了良好的應(yīng)用前景，以煤中稀土元素的檢測和煤中鈾的危害為例進行討論。

2.1 Ba對關(guān)鍵金屬元素Eu的干擾閾值的確定

Eu測定過程中Ba的干擾

Eu是煤中最重要的稀土元素之一，不僅經(jīng)濟價值高，而且根據(jù)煤中Eu的異常，可以判定煤中礦物質(zhì)的來源和煤層所經(jīng)受的地質(zhì)作用，由此可以提供區(qū)域地質(zhì)歷史演化的煤地球化學(xué)方面的信息。檢測煤和煤燃燒產(chǎn)物中的稀土元素(包括Eu)的試驗方法包括X射線熒光光譜、儀器中子活化分析、電感耦合等離子體質(zhì)譜和激光誘導(dǎo)擊穿光譜。在這些試驗方法中，四級桿電感耦合等離子體質(zhì)譜(ICP-MS)已經(jīng)被廣泛用于煤中稀土元素和其他微量元素的測試。然而，四級桿ICP-MS測定煤和煤灰樣品中稀土元素Eu的質(zhì)量分?jǐn)?shù)經(jīng)常受到Ba的氧化物和氫氧化物等干擾，導(dǎo)致Eu的測定結(jié)果可能偏高，進而會導(dǎo)致煤中稀土元素開發(fā)利用評估以及煤中礦物質(zhì)來源推斷的偏差。判斷ICP-MS檢測過程中Eu質(zhì)量分?jǐn)?shù)是否受到Ba的干擾以及干擾程度是困擾煤地球化學(xué)家的難題之一，而實驗室內(nèi)去除Ba從而避免Ba對Eu干擾的方法復(fù)雜、耗時長，因此Ba對Eu干擾閾值對精準(zhǔn)評估煤中稀土元素的質(zhì)量分?jǐn)?shù)，以及根據(jù)Eu的異常判定煤中元素的來源具有重要的理論和現(xiàn)實意義。YAN等提出利用陽離子交換樹脂方法分離Ba和Eu，從而避免Ba對煤、煤燃燒產(chǎn)物和沉積巖中的Eu的干擾。YAN等和LOGES等在進行Ba和Eu質(zhì)量分?jǐn)?shù)、Ba/Eu質(zhì)量分?jǐn)?shù)比、Ba對Eu干擾的試驗數(shù)據(jù)分析基礎(chǔ)上，發(fā)現(xiàn)當(dāng)樣品中的Ba/Eu質(zhì)量分?jǐn)?shù)比大于1 000時，如果不進行Ba和Eu的分離，樣品中的Ba會對Eu的測試結(jié)果造成影響，從而會導(dǎo)致樣品中Eu的測試結(jié)果出現(xiàn)錯誤。

圖7 用Pearson相關(guān)對阿刀亥礦數(shù)據(jù)進行聚類Fig.7 Clustering result of Adaohai data with Pearson correlation

機器學(xué)習(xí)算法預(yù)測Ba對關(guān)鍵金屬元素Eu干擾的臨界值

由于Ba對Eu干擾的臨界值1 000是根據(jù)經(jīng)驗得出的估計值，為了準(zhǔn)確實現(xiàn)Ba對Eu干擾的臨界值，XU等應(yīng)用機器學(xué)習(xí)算法預(yù)測Ba對Eu干擾的臨界值。通過分析Ba，Eu，Ba/Eu和目標(biāo)變量Ba對Eu的干擾，筆者發(fā)現(xiàn)它們之間的關(guān)系是復(fù)雜且非線性的，應(yīng)用線性回歸的方法構(gòu)建預(yù)測模型會有困難，因此采用樹回歸的方法構(gòu)建預(yù)測模型。Ba對Eu干擾臨界值的預(yù)測模型構(gòu)建過程如下：

(1)構(gòu)建Ba，Eu，Ba/Eu和Ba對Eu的干擾臨界值的訓(xùn)練數(shù)據(jù)集，并分析特征。

(11)

式中，為一個算法運算過程中計算得到的量，且隨著算法的進行會更新；，為被劃分出來的相關(guān)量的數(shù)量。

(3)性能分析。128個煤樣品(包括內(nèi)蒙古、云南臨滄、云南鎮(zhèn)雄縣熱水河)被用于驗證該閾值的準(zhǔn)確性并進行比較，發(fā)現(xiàn)預(yù)測閾值363比Ba對Eu的干擾經(jīng)驗閾值1 000更為準(zhǔn)確。

2.2 基于CART算法我國煤中鈾的輻射危害閾值的確定

煤炭中的放射性核素在燃燒后會在煤灰中發(fā)生富集。當(dāng)含有放射性核素鈾(U)、釷(Th)及其衰變子元素的煤在燃燒后產(chǎn)生的煤灰被用于建筑材料中時，會對人體產(chǎn)生危害。根據(jù)聯(lián)合國原子輻射效應(yīng)科學(xué)委員會報告，評價室內(nèi)放射性核素對人體的影響的指標(biāo)是鐳當(dāng)量濃度(Ra)。

(Ra)=(Ra)+143(Th)+0077(K)

(12)

其中,(Ra)，(Th)，(K)為對應(yīng)的3種放射性核素的放射性活度，Bq/kg。當(dāng)Ra當(dāng)量濃度超過370 Bq/kg時，建筑材料中所含有的U和Th及其衰變產(chǎn)生的放射性核素所散發(fā)出的伽馬射線會對室內(nèi)的居民產(chǎn)生潛在的健康風(fēng)險。

在評估對人體危害程度的研究中，LAUER等收集了中國的8個富鈾煤礦的相關(guān)煤樣數(shù)據(jù)，計算得出當(dāng)原煤中鈾的質(zhì)量分?jǐn)?shù)超過10 mg/kg時，其燃燒產(chǎn)生的煤灰被用作建筑材料時會對居民身體健康產(chǎn)生影響，但是由于其研究所用煤樣本少，得出的結(jié)果精確度不高，不具有代表性。

獲得U在原煤中的質(zhì)量分?jǐn)?shù)閾值后，經(jīng)分析得出東北地區(qū)，只有內(nèi)蒙古自治區(qū)烏蘭圖加煤田的U質(zhì)量分?jǐn)?shù)超過閾值。西藏滇西地區(qū)臨滄煤田的U平均質(zhì)量分?jǐn)?shù)為59.01 mg/kg，西藏滇西地區(qū)祿勸煤田的U平均質(zhì)量分?jǐn)?shù)為34.05 mg/kg。北部地區(qū)的煤中平均U質(zhì)量分?jǐn)?shù)為5.68～27.50 mg/kg，遠低于南部地區(qū)。與北部地區(qū)相比，南部地區(qū)煤中的U質(zhì)量分?jǐn)?shù)顯著增加。南部地區(qū)U平均質(zhì)量分?jǐn)?shù)為7.50～303.04 mg/kg。該區(qū)U質(zhì)量分?jǐn)?shù)超標(biāo)的煤主要分布在重慶、貴州、廣西和云南東部。在所有這些煤田中，有3個煤田的U平均質(zhì)量分?jǐn)?shù)超過100 mg/kg。重慶磨心坡煤田煤中的U質(zhì)量分?jǐn)?shù)最高，約為303.4 mg/kg。

3 結(jié) 論

(1)非對稱對數(shù)比轉(zhuǎn)換方法，有效解決了煤和煤炭不同基準(zhǔn)下元素之間、元素和灰分之間相關(guān)性不一致的問題。

(2)在4種常見的分層聚類算法中，平均鏈接算法的效果相對要好，在基于原始數(shù)據(jù)和轉(zhuǎn)換后數(shù)據(jù)的聚類分析中，基于皮爾遜相關(guān)系數(shù)的距離度量都要比歐幾里德距離好， 基于樞軸坐標(biāo)進行轉(zhuǎn)換后的數(shù)據(jù)優(yōu)于原始數(shù)據(jù)，而加權(quán)對稱的樞軸坐標(biāo)又優(yōu)于樞軸坐標(biāo)。

(3)經(jīng)分析，Ba對關(guān)鍵金屬元素Eu影響的閾值為363，128個煤樣品(包括內(nèi)蒙古、云南臨滄、云南鎮(zhèn)雄縣熱水河)被用于驗證該閾值的準(zhǔn)確性，并與干擾經(jīng)驗閾值1 000進行比較，發(fā)現(xiàn)預(yù)測閾值363比干擾經(jīng)驗閾值1 000更為準(zhǔn)確。

(4)經(jīng)分析得出在灰分小于20%，Ra當(dāng)量濃度超過370 Bq/kg時，U在原煤中的質(zhì)量分?jǐn)?shù)閾值為5.28 mg/kg。在灰分大于20%，Ra的值超過370 Bq/kg時，U在原煤中的質(zhì)量分?jǐn)?shù)閾值為7.98 mg/kg。