[發明專利]基于支持向量機和樹葉磁學的大氣重金屬污染評估方法

在審

• 申請號: 201711380579.9
• 申請日: 2017-12-20
• 公開（公告）號: CN108169316A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 錢新;許悅;李慧明;冷湘梓;王金花;劉雪梅
• 申請（專利權）人: 南京大學
• 主分類號: G01N27/62
• 分類號: G01N27/62;G01N21/73;G01R33/12;G06F17/18
• 代理公司: 北京棧橋知識產權代理事務所(普通合伙) 11670
• 代理人: 劉亞娟

本發明公開了一種基于支持向量機和樹葉磁學的大氣重金屬污染評估方法，包括以下步驟:S1:大氣顆粒物樣品采集；S2:樹葉樣品采集；S3:大氣顆粒物重金屬提取及分析；S4:樹葉樣品磁學參數測試；S5:支持向量機磁學模型構建；S6:模型誤差評估；S7:模型實際應用。總之，本發明所提供的一種基于支持向量機和樹葉磁學的大氣重金屬污染評估方法，搭建環磁學與重金屬污染定量化評價的橋梁，拓展利用環境磁學評價大氣污染的方法和技術；所構建的模型可用于城市大氣顆粒物重金屬污染水平的快速模擬和預測，進而識別、把握城市大氣重金屬污染狀況和變化趨勢，為大氣重金屬污染綜合防控提供重要參考。

技術領域

本發明涉及城市大氣顆粒物重金屬監測和污染研究技術領域，具體是涉及一種基于支持向量機和樹葉磁學的大氣重金屬污染評估方法。

背景技術

大氣顆粒物來源廣泛、結構復雜、比表面積大，易富集多種污染物如重金屬。研究表明，大氣顆粒物中重金屬與人類的呼吸系統疾病和心血管疾病的發生具有重要聯系。我國的環境空氣質量標準(GB3095-2012)將大氣汞、砷、六價鉻和鎘列為省級政府機構建議制定和實施監測的環境空氣質量指標。傳統的大氣重金屬污染監測方法是利用常規收集裝置收集一定粒徑大氣顆粒物，化學提取并使用原子吸收光譜儀或電感耦合等離子質譜等方法檢測顆粒物中重金屬濃度，工作量較大、耗時且費用昂貴，因此，選擇高效、便捷的方法研究大氣顆粒物中重金屬污染具有重要的現實意義和實踐價值。

支持向量機(Support Vector Machines，SVM)是由Vapnik開發的新一代基于統計學習理論的學習機器，能解決小樣本、非線性、高維數和局部極小點等實際問題，遵循結構風險最小化原則，可以成功應用于分類、歸類和時間序列預測等領域。Libsvm是臺灣大學林智仁等開發設計的一個簡單、快速、有效的支持向量機模式識別與回歸的軟件程序，它提供了編譯好的基于Windows操作系統的執行文件以及相關的軟件程序源代碼。

環境磁學的原理是通過測量環境介質中物質的磁學特征，從中提取環境信息。與傳統的化學分析方法相比，磁學測試具有樣品用量少、簡便快捷、靈敏度高、費用低和非破壞性等特點。大氣顆粒物中的金屬元素主要有鈉、鉀、鎂、鈣、鋁、鐵等地殼元素以及鉛、鋅、砷、鎘、銅等主要來自人類污染的元素。城市大氣顆粒物中磁性鐵氧化物和鐵的氫氧化物占鐵元素總質量的10-70％，主要來自工業磨損、含鐵雜質燃料燃燒、鋼鐵加工和機動車零部件磨損等。這些磁性顆粒與大氣重金屬的共源性使得利用磁性特征描述或量化大氣重金屬成為可能。

目前針對區域性大氣污染時空分布的研究多以模擬分析為主，如數值模擬和統計預報。數值模擬通常需較詳盡的污染源信息及時空分辨率很高的氣象預報模式等，在實際中往往難以獲取。大氣污染物濃度的統計預報是通過分析污染物變化規律，建立典型因子與污染物濃度之間的定量或半定量關系，根據這些關系作濃度預報，無需構建復雜的數理模型，比較簡便、易于實現，且在借助合適的輸入變量及模型下，常可以獲得較高的模擬預測精度。近年來常用的支持向量機模型可以解決小樣本、非線性、高維數和局部極小點等實際問題，是基于支持統計學習理論的學習機器，已經成功應用于建立NO_X、CO、SO₂、O₃、PM的聯系及污染物預測。盡管目前我國很多城市大氣顆粒物已基本實現自動、在線、連續監測，但由于大氣重金屬監測分析工作量較大、研究不夠，還缺乏數據積累，并未開展系統的監測和分析工作。

城市常綠樹木分布廣泛，葉片比表面積大，生長周期長，可以通過葉片表面的蠟質層吸附或通過氣孔直接吸收大氣中的顆粒物，尤其是更容易吸附或吸收粒徑小于10μm的細顆粒物，是顆粒物天然的“接收器”。因此，可利用植物葉片作為載體來反演短時間內大氣顆粒物中重金屬的污染狀況，為其污染水平、時空分布和來源等方面的研究提供重要信息和依據。空氣監測站通常監測的是實時顆粒物濃度，而利用植物葉片作為載體可以很好地反演短時間內大氣顆粒物污染狀況。近年來，國內外已有利用樹葉的磁性特征來表征大氣顆粒物污染的研究，但目前還沒有利用樹葉磁學參數構建非線性數學模型來模擬城市大氣顆粒物中重金屬濃度的報道。