场地污染问题是我国城市发展面临的挑战与重大需求，准确预测土壤污染的健康风险，对场地污染防控以及再开发利用具有重大价值和现实意义。挥发性有机物是工业场地中最常见的一类污染物，能够从受污染的下层土壤或地下水中释放出来，然后经由包气带土壤进入建筑物室内对人体健康造成危害，即蒸气入侵。对于我国典型的待开发棕地，评估对象为未来工作或居住人群，室内污染物浓度只能依靠模型预测，而模型预测的可靠性一方面取决于对暴露场景的概化（如关键环境因素的识别），另一方面也依赖于模型参数，特别是土壤参数的准确性。本研究针对地下水污染源和土壤非水相液体污染源，分别构建水位波动下污染场地土壤蒸气入侵数值模型，分析建筑物地基类型、土壤质地、污染源深度和地下水位变化特征等因素对污染物浓度衰减系数的影响；通过融合室内砂箱试验和野外场地实验数据信息，发展基于深度学习的数据同化方法，概化场地土壤参数的空间分布特征；基于美国环保局和加州环保局的蒸气入侵数据库，利用多元方差分析方法识别影响蒸气入侵的关键环境因素，建立机器学习模型预测污染物浓度衰减系数。研究成果能够为准确评估污染场地蒸气入侵的健康风险提供定量支撑。

蒸气入侵,数值模拟,参数反演,机器学习,场地风险