真空紫外过硫酸盐（VUV/PS）体系中更快速的污染物降解一直被认为是UV185高效激发H2O和PS的结果，而忽略了UV185对污染物的直接激发，从而低估了UV185在污染物降解方面的贡献。结合机器学习与DFT计算，从数据分析角度对VUV/PS体系中UV185的作用机理进行探究。首先，通过DFT计算获得了30种有机污染物的基态和激发态分子描述符作为输入参数，并利用随机森林模型将其分别与污染物在不同体系中的降解动力学常数和矿化率作为输出参数进行建模，通过观察不同输入参数下模型拟合度的变化对分子描述符进行筛选，保留与输出参数相关性高的描述符，最后通过Shapley加性解释方法（SHAP）分析各模型中贡献度最高的几种输入参数，进而对反应机理进行推测。结果表明，相比于UV体系，VUV体系中S1激发态描述符与亲核反应相关描述符的贡献度出现了明显提高，表明UV185是通过将污染物激发至反应活性更高的S1态，而后以促进光解和亲核反应的机制加快污染物的降解与矿化过程。
