본 연구는 기계 학습 기술과 사각파 펄스 진동 전압법(SWASV)을 결합하여 Cd²⁺, Pb²⁺, Cu²⁺, Hg²⁺ 네 가지 중금속 이온의 동시 검출 능력을 향상시킨다. 전통적인 전기화학 방법은 중금속 이온 검출 시 특정 농도 범위 내에서 선형 반응 구간을 찾는 데 주로 의존하며, 다중 이온 환경에서는 SWASV 곡선에 간섭이 발생하여 정확도가 떨어진다. 본 연구에서는 벌거벗은 유리탄소 전극을 사용해 다양한 농도의 금속 이온 용액에 대해 반복적인 SWASV 검출을 수행하고, 검출 데이터의 전류 값, 피크 전압, 피크 면적 등 중요한 매개변수를 특성 추출하였다. 또한 극단 경사 부스팅(XGBoost)과 랜덤 포레스트(RF)를 결합해 농도 예측 모델을 구축하고, 서포트 벡터 머신(SVM)을 사용해 분류 예측을 수행하였다. 분류 알고리즘 중 SVR의 성능이 가장 우수했으며(네 가지 이온 모두 ROC 곡선 아래 면적이 0.95 이상), RF 모델에 비해 XGBoost 농도 예측 모델의 예측 값과 실제 값 간 적합도(R-제곱)가 0.95 이상에 달했다. SWASV와 기계 학습을 결합함으로써 복잡한 이온 혼합 체계에서 고정밀 이온 검출이 가능하며, 검출 결과의 신뢰성을 효과적으로 향상시켰다. 본 연구 결과는 다중 중금속 이온의 환경 모니터링 및 오염 제어에 혁신적인 해결책을 제공하며, 전기화학 분석 분야에서 기계 학습의 응용 가능성을 보여준다.

전기화학; 중금속 이온; 기계 학습; 간섭 분석