一種復合受體模型污染源解析方法技術

本發明專利技術提供了一種復合受體模型污染源解析方法，所述方法包括：受體樣本數據預處理、提取主成分因子數、分解非負約束矩陣、求解污染源貢獻率。本發明專利技術將兩類受體模型進行復合應用，非負約束矩陣分解反推出線性無關的污染源指紋圖譜，以滿足化學質量平衡模型(CMB)對污染源成分譜的線性獨立要求，并利用CMB模型計算出污染源貢獻率，從而充分發揮兩種模型各自的優勢，著力提高源解析結果的準確性和可靠性。本發明專利技術可以為環境質量評估、環境風險評價、水源保護、總量減排、生態修復、污染事故調查、損害賠償提供必要的科技支撐，從而有效地控制環境污染，保障生態安全。

A method for analyzing pollution source of composite receptor model

The invention provides a compound receptor model pollution source analysis method, which comprises the following steps: pretreatment of receptor sample data, extraction of principal component factor number, decomposition of non negative constraint matrix, and solution of pollution source contribution rate. The invention will be two kinds of receptor model composite application, non negative constraint matrix decomposition launched anti fingerprint pollution sources are linearly independent, in order to meet the chemical mass balance model (CMB) of independent linear pollution source component spectrum, and calculated the contribution rates of pollution sources by using the CMB model, so as to give full play to the advantages of the two models. The efforts to improve the reliability and accuracy of source apportionment results. The invention can provide the necessary technical support for the evaluation of the environmental quality, environmental risk assessment, the total emission reduction, water conservation, ecological restoration, pollution accident investigation and compensation, so as to effectively control the environmental pollution, ecological security.

【技術實現步驟摘要】
一種復合受體模型污染源解析方法
本專利技術屬于環境保護
，具體涉及一種復合受體模型污染源解析方法。
技術介紹
在環境保護領域，當進行環境質量評估、環境風險評價、污染物削減時，需要通過定量方法篩選出特征污染物并解析出污染源及其貢獻率，從而切實有效地控制污染，保障環境安全。所謂污染源解析，是研究污染源對周圍環境污染影響和作用的一系列方法，常用的解析技術有清單分析法、擴散模型分析法和受體模型分析法。其中，清單分析法是通過觀測和模擬污染物的源排放量、排放特征及排放地理分布等,建立列表模型進行污染源解析；擴散模型分析法屬于預測式模型，它是通過輸入各個污染源的排放數據和相關參數信息來預測污染物的時空變化情況；受體模型分析法則通過對受體樣品的化學和顯微分析，確定各污染源貢獻率的一類技術，其最終目的是識別對受體有貢獻的污染源，并且定量計算各污染源的分擔率。圖1為現有技術中擴散模型分析過程示意圖。如圖1所示，利用擴散模型進行污染源解析，不僅需要完整的排放源清單，還要知道排放源的排污特征，排放率，排放時間，受體位置等排放參數。可以看出，利用擴散模型進行源解析成本較高，難度較大。圖2為現有技術中受體模型分析過程示意圖。如圖2所示，受體模型的優勢在于它利用真實的受體數據來驅動模型，能夠對每一個樣品進行定量源解析，也可以根據適應度分析來識別模型源與真實源的誤差。其劣勢在于模型要有受體樣品濃度，甚至還要求有與受體濃度相對應的不確定性值，要求源線獨立，不能有效區分外來源和本地源。受體模型開展污染源解析，需要滿足幾個基本的假設條件：(1)源線固定；(2)受體數據獲取過程及條件沒有明顯的變化；(3)受體數據具有代表性；(4)污染源存在時間或空間變異。與擴散模型相比，受體模型的輸入數據來源較為容易，不需要完整的源譜清單，模型運轉成本較低，同時，作為擴散模型的有效補充，可以使人們通過對偏差的認識理解源和受體的關系。相對而言，受體模型不依賴于排放源排放條件及水文水質等數據,不用追蹤污染物的遷移過程，且與預測式的擴散模型相比，受體模型算是一種診斷式模型，它解釋過去而不是未來，比較適合用來實現污染源的源解析。根據是否需要事先掌握詳盡的污染源排放特征譜，受體模型可分為化學質量平衡模型(CMB)、多元統計模型、UNMIX模型等。隨著環境監測網絡的日益完善，監測手段、方法和技術的不斷進步，研究者可以取得大量而精準的觀測樣品數據，這為開展污染源解析的定量研究提供了保障，受體模型源解析技術得到了較快的發展和應用，被廣泛用來開展大氣、水體、沉積物和土壤等環境介質中各種污染物的污染源解析研究。其中，化學質量平衡模型是一類發展較為成熟的源解析模型，它不依賴于排放源條件、氣象、地形等數據，不用追蹤顆粒物的遷移過程，模型原理清楚，易于接受，是應用最為廣泛的一種受體模型。它對于無機污染物的源解析已經較為成功，被美國環保局定為無機物源解析的首選方法。該模型依據質量守恒定律建立污染源定量解析模型，通過測量源與受體樣品的物理、化學性質，定性識別對受體有貢獻的污染源并定量計算各污染源的分擔率，其理論依據是各個污染源的指紋譜是有一定差別的，從而可以通過檢測受體中的各種物質的含量(組成)來確定各污染源的貢獻率。但化學質量平衡模型應用需要滿足多項假設：(1)可以識別出對環境受體中有明顯貢獻的所有污染源類，并且各源類所排放的污染物化學組成有明顯的差別；(2)各源類所排放的污染物化學組成相對穩定，化學組分之問無明顯影響；(3)各源類所排放的污染物之間沒有相互作用，在傳輸過程中的變化可以被忽略；(4)所有污染源成分譜是線性無關的；(5)污染源種類少于或等于化學組分種類；(6)測量的不確定度是隨機的、符合正態分布。更為重要的是，污染源指紋譜的獲取難度較大，成本較高，需要根據環境的不斷變化，追蹤排放源清單，更新排放特征指紋庫，特別是在當前監測網絡并不是覆蓋所有污染排放點的現實情況下，污染源指紋譜已知的條件常常難以滿足。與化學質量平衡模型不同的是，多元受體模型不需要事先已知具體的污染源成分譜，而是通過因子分解來提取污染源指紋譜，并獲得各污染因子的源貢獻率。多元受體模型可以解析數據集合，壓縮數據維數，分析多個變量之間的關系，這個特性對于大量觀測數據的分析極為有用，可以使用較少的有代表性的因子來說明眾多變量的主要信息。然而，多元受體源解析模型也存在一些缺陷，例如，因子分解不能得到“唯一”的因子載荷和因子得分，通過因子分析提取的因子載荷和因子得分可以通過正交旋轉得到多種形式的“不適定解”，更重要的利用因子分析得到的因子載荷和因子得分中常常出現負值，這與實際應用不相符，因為負值的源成分譜或源貢獻率沒有實際的物理意義；正定矩陣分解模型盡管考慮了受體數據的不確定性問題，但通過引入懲罰因子和輔助因子來保證提取的污染源貢獻率也沒有考慮污染源排放的不確定性問題。
技術實現思路
本專利技術要解決的技術問題是提供一種復合受體模型污染源解析方法，用以解決現有技術中污染源解析方法的不足，提高源解析結果的準確性和可靠性。根據本專利技術的一個方面，提供了一種復合受體模型污染源解析方法，所述方法包括：步驟S1，受體樣本數據預處理；步驟S2，提取主成分因子數；步驟S3，分解非負約束矩陣；步驟S4，求解污染源貢獻率。上述方案中，所述步驟S1進一步包括：步驟S101，從數據處理的角度，審核受體樣本數據；步驟S102，從污染物的角度，選擇復合受體模型變量；步驟S103，對所述模型變量進行標準化處理。上述方案中，所述從污染物的角度選擇復合受體模型變量，具體包括如下過程：第一，不能同時選擇活性強，或存在反應的污染物；第二，受污染事故影響而檢出的污染物不能用于模型計算；第三，不能同時選擇含有相同元素，且遷移過程中會發生相互轉換的污染物；第四，濃度未檢出或數據缺失的污染物，通過數據替換并設置合適的不確定性值；第五，污染物均有濃度值但數據質量未知，通過再分析以確定是否排查該污染物。上述方案中，所述步驟S2中主成分因子特征為：特征值大于1；累積方差貢獻率值大于85％；決定系數大于0.9；Exter函數值小于0.1。上述方案中，所述步驟S2進一步包括：步驟S201，求解協方差矩陣Z：Z＝DDt，D為受體數據集；步驟S202，求解特征值E及特征向量Q：Z＝QEQt；步驟S203，求解無旋轉的因子載荷矩陣S：S＝QE1/2；步驟S204，求解無旋轉的因子得分矩陣R：R＝(StS)-1StD；步驟S205，生成特征值、累積方差、決定系數和Exner函數判據矩陣，提取主成分因子數。上述方案中，所述步驟S3中分解非負約束矩陣，通過改進的交替回歸法進行分解。上述方案中，所述改進的交替回歸法，進一步包括：步驟S301，k＝0，設置兩個未知矩陣的初始值S(k)＝S0和R(k)＝R0；步驟S302，保持R＝R(k)不變，尋求合適的ΔS，使得S＝S(k)+ΔS最小化Q值(D-SR)；步驟S303，保持S＝S(k)+ΔS不變，尋求合適的ΔR，使得R＝R(k)+ΔR最小化Q值；步驟S304，尋求合適的擴展系數α，使得R＝R(k)+α·ΔR，S＝S(k)+α·ΔS最小化Q值；步驟S305，k＝k+1，重復步驟(b)～(c)直至迭代收斂。上述方案中，所述步驟S4，進一本文檔來自技高網...

【技術保護點】
一種復合受體模型污染源解析方法，其特征在于，所述方法包括：步驟S1，受體樣本數據預處理；步驟S2，提取主成分因子數；步驟S3，分解非負約束矩陣；步驟S4，求解污染源貢獻率。

【技術特征摘要】
1.一種復合受體模型污染源解析方法，其特征在于，所述方法包括：步驟S1，受體樣本數據預處理；步驟S2，提取主成分因子數；步驟S3，分解非負約束矩陣；步驟S4，求解污染源貢獻率。2.根據權利要求1所述的復合受體模型污染源解析方法，其特征在于，所述步驟S1進一步包括：步驟S101，從數據處理的角度，審核受體樣本數據；步驟S102，從污染物的角度，選擇復合受體模型變量；步驟S103，對所述模型變量進行標準化處理。3.根據權利要求2所述的所述的復合受體模型污染源解析方法，其特征在于，所述從污染物的角度選擇復合受體模型變量，具體包括如下過程：第一，不能同時選擇活性強，或存在反應的污染物；第二，受污染事故影響而檢出的污染物不能用于模型計算；第三，不能同時選擇含有相同元素，且遷移過程中會發生相互轉換的污染物；第四，濃度未檢出或數據缺失的污染物，通過數據替換并設置合適的不確定性值；第五，污染物均有濃度值但數據質量未知，通過再分析以確定是否排查該污染物。4.根據權利要求1所述的所述的復合受體模型污染源解析方法，其特征在于，所述步驟S2中主成分因子特征為：特征值大于1；累積方差貢獻率值大于85％；決定系數大于0.9；Exner函數<0.1。5.根據權利要求4所述的所述的復合受體模型污染源解析方法，其特征在于，所述步驟S2進一步包括：步驟S201，求解協方差矩陣Z：Z＝DDt，D為受體數據集；步驟S202，求解特征值E及特征向量Q：Z＝QEQt；步驟S203，求解無旋轉的因子載荷矩陣S：S＝QE1/2；步驟S204，求解無旋轉的因子得分矩陣R：R＝(StS)-1StD；步驟S205，生成特征值、累積方差、決定系數和Exner函數判據矩陣，提取主成分因子數。6.根據權利要求1所述的所述的復合受體模型污染源解析方法，其特征在于，所述步驟S3中分解非負...

【專利技術屬性】
技術研發人員：陳海洋，滕彥國，王金生，
申請(專利權)人：北京師范大學，
類型：發明
國別省市：北京,11