CN105844301A - 基于贝叶斯源识别的土壤中重金属污染源解析方法 - Google Patents

Abstract

本发明公开了基于贝叶斯源识别的土壤中重金属污染源解析方法，该方法先利用统计技术中的贝叶斯方法进行污染源识别，进而再利用主成分因子分析模型计算污染源贡献率，能够给出具体排放源对受体贡献的大小，克服了传统污染物源解析技术只能大致给出对环境受体贡献较大的污染源类别，而不能给出具体排放源对受体贡献的大小，缺乏对污染防治工作的实际指导意义的缺陷，能够为环境管理部门应对重金属污染事故、控制污染风险提供可靠的技术保障。

Description

基于贝叶斯源识别的土壤中重金属污染源解析方法

技术领域

本发明涉及土壤中重金属污染源的解析方法技术领域，具体涉及一种基于贝叶斯源识别的主成分分析的土壤中重金属污染源解析方法。

背景技术

污染源识别技术是对污染物的来源进行判别、解析与评价的一种方法。当前的污染源识别技术大体可以分为三种：清单分析法、扩散模型和受体模型。清单分析法是通过观测和模拟污染物的源排放量、排放特征及排放地理分布等，建立列表模型的一种源解析方法；扩散模型属于预测式模型，它是通过输入各个污染源的排放数据和相关参数信息来预测污染物的时空变化情况；受体模型则通过对受体样品的化学和显微分析，确定各污染源贡献率的一类技术，其最终目的是识别对受体有贡献的污染源，并且定量计算各污染源的分担率。

当前针对土壤中重金属污染源识别的研究很少，主要的污染源识别方法就是通过对源谱和因子荷载的图形观察实现定性比较，或通过计算源谱和因子荷载的偏差实现半定量比较。这些方法多没有考虑污染源谱的非线性特征，识别结果不能真实反映因子荷载与污染源谱的对应关系。

发明内容

本发明提供了一种土壤中重金属污染源解析的方法，该方法先利用统计技术中的贝叶斯方法进行污染源识别，进而再利用主成分因子分析模型计算污染源贡献率，能够给出具体排放源对受体贡献的大小。

为了实现本发明所述目的，发明人提供了以下技术方案。

基于贝叶斯源识别的土壤中重金属污染源解析方法，操作步骤包括：

步骤一，确定重金属污染源的调查区域；

根据调查区域所在城市总体规划以及工业产业布局，选择排放源复杂、污染严重的区域作为调查区域。

步骤二，在调查区域内开展污染源调查；

污染源调查过程包括：（1）基础资料的收集，（2）实地调查，（3）数据处理与分析，（4）重金属污染物的选取及各监测信息数据库的建立。

基础资料包括群众投诉、污染源普查数据库、污染源档案、环境监测资料、环评报告。

步骤三，在污染源调查的基础上，分析不同情况下污染源对环境的影响，判定影响调查区域的主要重金属污染源；

污染源对环境的影响，包括以下几种情况：

（1）单个污染源位于环境敏感点，根据污染源与环境敏感点的相对位置关系，制定相应的监测方案，分析污染源对环境敏感点的影响程度；

（2）多个不同类型的污染源位于环境敏感点，根据各污染源的特征污染物质进行分析判别；

（3）多个相同类型的污染源位于环境敏感点，需对污染源的源强进行测试，并结合数学模型判定各污染源的影响大小。

步骤四，识别各类排放源的特征标识物，建立能反映污染源排放特征的重金属指纹图谱；

特征标识物的识别方法是：综合考虑目标污染中各重金属组分的含量即客观指标，根据其源成分谱确定其污染类型。

步骤五，应用贝叶斯方法进行污染源的识别，采用Matlab 软件编程，实现计算机对污染源之间的比较；

所述应用贝叶斯方法对污染源的识别包括：

第一步，将未知参数θ视为随机变量(或向量)，当θ已知量时，样本 x 的联合分布密度就看成x对θ的条件密度，记为；

第二步，根据参数θ的已知信息来确定先验分布；

第三步，利用条件分布密度和先验分布，求出x与θ的联合分布和样本 x的分布，进而求得后验分布密度；

第四步，利用后验概率密度作出对θ的推断(估计θ或对θ作检验)。

所述采用Matlab 软件编程是指，首先将分析数据转化为计算机能够接受的数量化矩阵，对数据进行标准化处理，消除量纲影响，实现计算机对谱图的快速、精确比较。

步骤六，构建基于贝叶斯污染源识别的主成分分析源解析方法；

即应用主成分因子分析方法进行污染源计算，精确地筛选和识别土体环境中重金属的来源；然后根据特征污染物及其对环境中该污染物源解析的贡献率，确定该特征污染物的源类型及其影响程度。包括如下过程：

（1）利用奇异值因子分解提取出显著性因子个数，利用基于加权最小二乘法进行因子分解并通过最小平方和因子旋转实现主成分因子旋转，提取出具有非负特性的因子荷载矩阵和因子得分矩阵；

（2）把基于污染源谱的因子荷载月识别当成多参数模式的识别问题，利用贝叶斯进行污染源的识别；

（3）利用识别好的分类模型实现因子荷载的污染源贡献率的计算，实现特征污染物的源解析。

所述应用主成分因子分析方法进行污染源计算，包括：

第一步，数据预处理；

第二步，确定主成分因子数；

第三步，因子分解；

第四步，主成分因子分析。

本发明所述重金属污染物质包括：（1）国内外法规、标准中限制排放的重金属物质；（2）广泛存在于各类污染源中，或者是行业的特征污染物；（3）具有可靠监测方法的重金属物质。

本发明将因子荷载识别过程看作是一个非线性分类过程，是一个多因子综合分类问题，是一个模式识别过程。

综上所述，本发明的优点和有益的效果如下：

（1）本发明所提供的方法能够快速、准确的追溯土壤中重金属污染物的来源，实用性强，有广泛的推广应用价值，能够为环境管理部门应对重金属污染事故、控制污染风险提供可靠的技术保障。

（2）本发明所提供的方法克服了传统污染物源解析技术只能大致给出对环境受体贡献较大的污染源类别，而不能给出具体排放源对受体贡献的大小，缺乏对污染防治工作的实际指导意义的缺陷。

（3）本发明所提供的方法能够为制定区域重金属污染控制对策及区域土壤环境质量改善提供技术支持，使今后环境管理部门面对土壤重金属污染问题时，可以通过系统、完整的源解析方法和相应的数据信息系统，迅速识别污染源，从而进行有效的污染防控。

附图说明

图1为本发明所述污染源解析方法的流程图。

图2为实施例表1中组别1的贝叶斯分类测试对比图。

图3 为实施例表1中组别2的贝叶斯分类测试对比图。

图4 为实施例表1中组别3的贝叶斯分类测试对比图。

图5为实施例表1中组别4的贝叶斯分类测试对比图。

具体实施方式

下面结合具体实施例对本发明所述内容做进一步详细的说明。

实施例

步骤一，以三河地区作为重金属污染调查区域

步骤二，数据来源于表层土壤，用采样器采集了10个站位表层土壤样品。

步骤三，根据调查区域，确定调查的重金属为As、Hg、Cd、Cr、Pb，共取10个监测点位。

步骤四，见下列数据分析，其中数据标准化处理和贝叶斯分析情况等借助SPSS统计分析软件和Matlab编辑的程序完成，主要分析情况见下：

本次数据分析主要对As、Hg、Cd、Cr、Pb进行贝叶斯识别分析，结果如下：

将4组污染源指纹谱在标准偏差40%的范围内取30组数据进行朴素贝叶斯模式识别的学习训练和测试，各训练样本和测试样本如表1所示：

表1 实际和测试样本分组表

分类测试对比图如附图2至附图5所示，由图可知利用贝叶斯方法对重金属污染源进行源识别是很理想的。

本次数据分析主要对As、Hg、Cd、Cr、Pb进行主成分分析，结果如表2所示：相关系数及相应P值：

表2 相关系数矩阵表

主成分的统计信息包括特征根由大到小的次序排列，如表3所示，第一主成分特征根为3.576，它解释了总体的71.518%；虽然第二主成分特征根为0.961＜1但接近1，所以也选取进来，解释总体的14.016%，此时累计贡献率达85.535%，本例宜选取前两个主成分。

表3 总方差解释

主成分个数确定，则再对数据进行分析在选取主成分时输入3，得到该因子负荷矩阵（即因子载荷矩阵，如表4所示）。可见第一主成分主要包含原变量As、Pb信息，即表明第一主成分污染源主要为化肥农药和生活污水源。第二主成分包含了Hg的主要信息，即污染源主要为氯碱、塑料、电池、电子等工业废水。第三主成分包含了Cr和Cd的主要信息，即污染源主要为工业三废的排放和汽车尾气。

表4 因子荷载矩阵表

Claims (3)

1.基于贝叶斯源识别的土壤中重金属污染源解析方法，其特征在于，操作步骤包括：

步骤一，确定重金属污染源的调查区域；

步骤二，在调查区域内开展污染源调查；

污染源调查过程包括：（1）基础资料的收集，（2）实地调查，（3）数据处理与分析，（4）重金属污染物的选取及各监测信息数据库的建立；

步骤三，在污染源调查的基础上，分析不同情况下污染源对环境的影响，判定影响调查区域的主要重金属污染源；

步骤四，识别各类排放源的特征标识物，建立能反映污染源排放特征的重金属指纹图谱；

步骤五，应用贝叶斯方法进行污染源的识别，采用Matlab 软件编程，实现计算机对污染源之间的比较；

所述应用贝叶斯方法对污染源的识别包括：

第一步，将未知参数θ视为随机变量(或向量)，当θ已知量时，样本 x 的联合分布密度就看成x对θ的条件密度，记为；

第二步，根据参数θ的已知信息来确定先验分布；

第三步，利用条件分布密度和先验分布，求出x与θ的联合分布和样本 x的分布，进而求得后验分布密度；

第四步，利用后验概率密度作出对θ的推断(估计θ或对θ作检验)；

步骤六，构建基于贝叶斯污染源识别的主成分分析源解析方法，包括如下过程：

（1）利用奇异值因子分解提取出显著性因子个数，利用基于加权最小二乘法进行因子分解并通过最小平方和因子旋转实现主成分因子旋转，提取出具有非负特性的因子荷载矩阵和因子得分矩阵；

（2）把基于污染源谱的因子荷载月识别当成多参数模式的识别问题，利用贝叶斯进行污染源的识别；

（3）利用识别好的分类模型实现因子荷载的污染源贡献率的计算，实现特征污染物的源解析。

2.根据权利要求1所述的基于贝叶斯源识别的土壤中重金属污染源解析方法，其特征在于，步骤三所述不同情况包括：

（1）单个污染源位于环境敏感点，

（2）多个不同类型的污染源位于环境敏感点，

（3）多个相同类型的污染源位于环境敏感点。

3.根据权利要求1所述的基于贝叶斯源识别的土壤中重金属污染源解析方法，其特征在于，所述重金属包括：（1）国内外法规、标准中限制排放的重金属物质；（2）广泛存在于各类污染源中，或者是行业的特征污染物；（3）具有可靠监测方法的重金属物质。