CN107121650A - 基于支持向量机技术的大气颗粒物重金属磁学评估方法 - Google Patents
基于支持向量机技术的大气颗粒物重金属磁学评估方法 Download PDFInfo
- Publication number
- CN107121650A CN107121650A CN201710308435.6A CN201710308435A CN107121650A CN 107121650 A CN107121650 A CN 107121650A CN 201710308435 A CN201710308435 A CN 201710308435A CN 107121650 A CN107121650 A CN 107121650A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- heavy metal
- remanence
- magnetic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005291 magnetic effect Effects 0.000 title claims abstract description 105
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 84
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 230000005389 magnetism Effects 0.000 claims abstract description 6
- 239000013618 particulate matter Substances 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 19
- 230000005415 magnetization Effects 0.000 claims description 15
- 239000012528 membrane Substances 0.000 claims description 12
- 229920006395 saturated elastomer Polymers 0.000 claims description 12
- 229910052793 cadmium Inorganic materials 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 229910052742 iron Inorganic materials 0.000 claims description 10
- 229910052748 manganese Inorganic materials 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 10
- 238000009616 inductively coupled plasma Methods 0.000 claims description 9
- 229910052745 lead Inorganic materials 0.000 claims description 9
- 229910052759 nickel Inorganic materials 0.000 claims description 9
- 238000004368 synchrotron infrared microspectroscopy Methods 0.000 claims description 9
- 229910052719 titanium Inorganic materials 0.000 claims description 9
- 229910052785 arsenic Inorganic materials 0.000 claims description 8
- 229910052725 zinc Inorganic materials 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 7
- 229910052720 vanadium Inorganic materials 0.000 claims description 7
- 229910052804 chromium Inorganic materials 0.000 claims description 6
- 229910052802 copper Inorganic materials 0.000 claims description 6
- 229910052751 metal Inorganic materials 0.000 claims description 6
- 230000029087 digestion Effects 0.000 claims description 5
- 239000008277 atmospheric particulate matter Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000000919 ceramic Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 239000010453 quartz Substances 0.000 claims description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 229910052788 barium Inorganic materials 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 claims description 2
- 238000001819 mass spectrum Methods 0.000 claims description 2
- 229910052750 molybdenum Inorganic materials 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 239000011573 trace mineral Substances 0.000 claims description 2
- 235000013619 trace mineral Nutrition 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 claims 1
- 238000013210 evaluation model Methods 0.000 abstract description 10
- 230000007613 environmental effect Effects 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000010998 test method Methods 0.000 abstract description 3
- 239000013598 vector Substances 0.000 abstract description 3
- 239000005427 atmospheric aerosol Substances 0.000 abstract 1
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 16
- 229910052500 inorganic mineral Inorganic materials 0.000 description 14
- 239000011707 mineral Substances 0.000 description 14
- 235000010755 mineral Nutrition 0.000 description 14
- 239000003344 environmental pollutant Substances 0.000 description 10
- 231100000719 pollutant Toxicity 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000005293 ferrimagnetic effect Effects 0.000 description 8
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 8
- 229910052782 aluminium Inorganic materials 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000011651 chromium Substances 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000005290 antiferromagnetic effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 239000006249 magnetic particle Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229910052595 hematite Inorganic materials 0.000 description 2
- 239000011019 hematite Substances 0.000 description 2
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 description 2
- 230000005381 magnetic domain Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910017604 nitric acid Inorganic materials 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- VLTRZXGMWDSKGL-UHFFFAOYSA-N perchloric acid Chemical compound OCl(=O)(=O)=O VLTRZXGMWDSKGL-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000012925 reference material Substances 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 239000002885 antiferromagnetic material Substances 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 231100000357 carcinogen Toxicity 0.000 description 1
- 239000003183 carcinogenic agent Substances 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- JOPOVCBBYLSVDA-UHFFFAOYSA-N chromium(6+) Chemical compound [Cr+6] JOPOVCBBYLSVDA-UHFFFAOYSA-N 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000004993 emission spectroscopy Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-M hydroxide Chemical compound [OH-] XLYOFNOQVPJJNP-UHFFFAOYSA-M 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000002354 inductively-coupled plasma atomic emission spectroscopy Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000004994 reproductive system Anatomy 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/12—Measuring magnetic properties of articles or specimens of solids or fluids
- G01R33/1276—Measuring magnetic properties of articles or specimens of solids or fluids of magnetic particles, e.g. imaging of magnetic nanoparticles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/73—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using plasma burners or torches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/12—Measuring magnetic properties of articles or specimens of solids or fluids
- G01R33/16—Measuring susceptibility
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Plasma & Fusion (AREA)
- Nanotechnology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于支持向量机技术的大气颗粒物重金属磁学评估方法,包括以下步骤:S1、大气颗粒物样品采集;S2、大气颗粒物磁学参数测试;S3、重金属提取及检测;S4、支持向量机模型构建;S5、模型误差评估;本发明使用磁学参数和气象数据作为输入因子,将大气颗粒物重金属浓度作为输出目标,构建大气重金属污染的磁学快速评估模型,未来可结合方便、快速的磁学测试方法,使用上述模型对城市区域内大气颗粒物重金属浓度进行较高精度的模拟和预测,避免了对颗粒物中重金属进行提取和检测等一系列复杂、耗时的操作过程。为环境磁学应用于城市大气颗粒物及重金属污染模拟提供了一个综合、创新的实践方向,也为我国城市大气重金属的监测和管理提供了重要参考。
Description
技术领域
本发明涉及城市大气颗粒物重金属污染的监测与评估技术领域,具体是涉及一种基于支持向量机技术的大气颗粒物重金属磁学评估方法。
背景技术
大气颗粒物是近年来影响我国众多城市空气质量的重要污染物。国际癌症研究机构(WHO-IARC)2013年提出单独评估大气颗粒物,是对人类的一级致癌物。除了浓度和粒径,大气颗粒物的化学成分也是影响其毒性的重要因素。研究表明,大气细颗粒物中重金属与人类呼吸系统疾病和心血管疾病等的发生具有重要联系。重金属具有一定累计性和不可降解性,其危害人体健康的传播途径复杂,往往具有特定的目标脏器,如呼吸系统、消化系统、免疫系统、生殖系统和神经系统。我国于2012年颁布的环境空气质量标准(GB3095-2012)在大气铅常规监测基础上,将大气汞、砷、六价铬和镉列为省级政府机构建议制定和实施监测的指标。然而,由于大气重金属污染特征复杂、分析工作量大,较难开展系统的分析工作,因此,选择合适的对象,使用科学、便捷的方法研究大气重金属污染及其健康影响具有重要现实意义。
环境磁学是从20世纪80年代发展起来的一门新兴学科,它利用矿物磁性技术研究大气圈、水圈和岩石圈中的磁性颗粒受环境作用影响后的迁移、沉积或变化等情况。与传统化学分析方法相比,环境磁学测试具有样品用量少、灵敏度高、简单快捷、非破坏性和费用低等特点。磁学参数已被广泛用来评估土壤、沉积物和街道降尘中重金属污染水平。城市大气颗粒物中铁元素占其总质量的5-15%,而磁性铁氧化物和铁的氢氧化物占铁元素质量的10-70%,因此,磁铁矿颗粒物也是大气颗粒物的重要成分,且它们与大气颗粒物重金属具有极强共源性,均主要来自于化石燃料燃烧、钢铁加工、机动车零部件磨损及自然过程(如:岩石风化、土壤扬尘)等所产生的亚铁磁性矿物。被排放到大气中的磁性颗粒,可通过大气和径流迁移,在表土层中沉降或被植物、微生物等吸附并汇集,分布于各类环境系统中,如城市工业区及交通沿线附近环境介质中的重金属污染往往伴随着其磁性的增强。因此,可通过分析大气颗粒物磁学特征来对其中重金属污染进行模拟、评估。而由于城市大气颗粒物重金属来源众多,大气颗粒物成分复杂且受气象因素影响较大,使用磁学测试对大气颗粒物重金属进行模拟仍具有一定挑战性。
对大气污染物的模拟方法主要包括两种:数值预报模式和统计预报。数值预报通常需较详尽的污染源强及时空分布资料,以及时空分辨率很高的气象预报模式等,在实际中往往难以获取,因此在许多基础资料缺乏的地区,该方法的应用会受到限制。大气污染物浓度的统计预报是以统计学方法为基础,通过分析污染物的变化规律,建立典型因子与污染物浓度实测值之间的定量或半定量关系,这些关系可以是线性的或非线性的,最后根据这些关系作浓度预报。统计模型方法不需要构建数理模型及复杂的地理和气象数据,比较简便、易于实现,且在借助合适的输入变量及模型下,常可以获得较高的模拟预测精度。大气环境是典型的非线性系统,近年来发展起来的支持向量机(Support Vector Machine,SVM)模型在处理复杂的非线性动力系统方面显示出明显优势,已被广泛用来对大气污染物如O3、SO2、NOx、CO、PM10和PM2.5等进行模拟、预测,并获得了较为理想的模拟效果。
因此,本发明采用支持向量机这种非线性数学方法,以大气颗粒物重金属现场观测的数据、大气颗粒物磁学参数和气象数据为基础,筛选合适因子作为输入变量,构建大气重金属磁学评估模型,对城市大气颗粒物中有毒、有害或需重点关注的重金属浓度进行模拟,该模型可为我国城市大气重金属的监测、污染评估和风险管理提供重要支持。
发明内容
本发明针对现有技术的不足,提供一种基于支持向量机技术的大气颗粒物重金属磁学评估方法。
本发明的技术方案如下:
基于支持向量机技术的大气颗粒物重金属磁学评估方法,包括以下步骤:
S1、大气颗粒物样品采集:使用大气颗粒物采样设备,结合不同级别粒径切割器采集大气颗粒物;在研究区域,按季节采样,每个季节晴朗天气连续采样10-20,避免大风和雨雪等极端天气;采样介质使用高纯石英滤膜,采样前后滤膜恒温恒湿48h后称重;每张滤膜的1/4用于分析重金属总量,3/4用于进行常温磁学参数的测试;
S2、大气颗粒物磁学参数测试:称重后将样品填充在非磁性塑料盒中进行测试;测试参数包括:低频磁化率χlf、非磁滞剩磁(ARM)、饱和等温剩磁(SIRM),根据等温剩磁及饱和等温剩磁测量结果计算硬剩磁HIRM、软剩磁SOFT;计算比值参数S-ratio以及χARM/χlf、χARM/SIRM和SIRM/χlf;
S3、重金属提取及检测:将大气颗粒物样品滤膜用陶瓷剪刀剪成细条状置于消解管中,加入HClO4、HNO3和HF进行提取,使用电感耦合等离子体发射光谱仪和电感耦合等离子体质谱测定消解液中重金属浓度;
S4、支持向量机模型构建:
通过相关性分析和主成分分析方法筛选不同季节、不同地点所有磁学参数及其比值与重金属的相关性,选择具有显著相关性的磁学参数以及气象数据作为输入因子;
以重金属浓度作为输出层,磁学参数和气象数据作为输入层,随机选择80%的数据作为训练样本,剩下的20%的数据作为测试样本,训练样本包含每个采样区域、每个季节大气重金属浓度的极大和极小值,建立大气重金属磁学模拟预测模型;
支持向量机用于回归统计的原理如下:
假设训练样本为(xi,yi),(i=1,…,l),可建立以下线性回归方程:
其中,为非线性映射函数,ω为法向量,b为偏置量。
对以上问题求解,则训练目标可表示为:
满足以下约束条件:
其中,ε为不敏感损失函数(≥0),表示允许的最大误差,其取值大小影响支持向量的数目;C(≥0)为惩罚系数,它控制对超出误差的样本的惩罚程度;ξi,为松弛变量,表示样本超出允许误差的程度,分别对应计算值小于实际值,以及计算值大于实际值的两种情况;
为求解以上最优化问题(式(6)),引入拉格朗日乘子法,得其对偶优化问题为:
满足以下约束条件:
其中,αi和是拉格朗日乘子。
对式(6)求解,对应的预测输入样本为xi,则得到的预测值为:
由于核函数对算法的影响较大,故选择一个最好的核函数对模拟结果极为重要,支持向量机常用的核函数有线性函数、多项式函数、径向基函数和S形函数。本发明采用常用的径向基核函数(RBF)作为核函数,其表达式为:
其中,δ2是核函数的方差;
Libsvm是台湾大学林智仁等开发设计的简单、快速、有效的支持向量机模式软件程序。它提供了编译好的基于Windows操作系统的执行文件以及相关的软件程序源代码,方便改进、修改及在其他操作系统上应用。本发明即在MATLAB环境下使用Libsvm作为建模工具,选取支持向量机中常用的径向核函数(RBF核函数)epsilon-SVR模型,以两种单位:质量(ng/m3)和相对质量(μg/g)的重金属浓度作为输出层,筛选不同的输入因子如磁学参数和气象数据作为输入参数,通过交叉试验的方法选取预测模型的最佳核函数g值及惩罚因子c值,分别建立大气重金属磁学评估模型;
S5、模型误差评估:使用相关性系数(Correlation coefficient,R)、平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean squared error,RMSE)以及一致性指数(Index of agreement,IA)来计算和评价模型模拟的精度。
进一步地,在上述方案中,所述步骤S2中,低频磁化率χlf、非磁滞剩磁(ARM)、饱和等温剩磁(SIRM)及其他参数和比值的获取方法分别为:
使用卡帕桥磁化率仪KLY-3测试低频磁化率χlf;
将待测样品置于0.04mT的直流偏置场中和100mT的交变磁场峰值下,使用交变退磁仪和JR-6A旋转磁力仪测试非磁滞剩磁(ARM),χARM是单位偏转场下的单位质量非磁滞剩磁;
使待测样品分别经受20、40、100、300和1000mT的磁场的磁化,使用JR-6A旋转磁力仪和脉冲磁化仪进行测试,分别测得对应的磁化强度,在峰值为1000mT的脉冲磁场下获得的等温剩磁为饱和等温剩磁(SIRM);
获得饱和等温剩磁后的样品,使其经受反向磁场的磁化,测得反向磁场中的等温剩磁,常选的磁场强度为-20mT、-100mT和-300mT,获得剩磁数据:IRM-20,IRM-100,IRM-300。
进一步地,在上述方案中,所述步骤S2中,根据等温剩磁及饱和等温剩磁测量结果计算:硬剩磁HIRM=[(SIRM+IRM-300)/2]/mass,软剩磁SOFT=[(SIRM-IRM-20)/2]/mass;计算比值参数,S-ratio=IRM-300/SIRM以及χARM/χlf,χARM/SIRM和SIRM/χlf。
磁化率(χ)是很重要且使用最为广泛的磁学参数,是样品在外场作用下物质磁化的能力,是样品在一弱磁场中所获得的感应磁化强度与磁场强度的比值,通常反映了亚铁磁性矿物如磁铁矿的含量。非磁滞剩磁(ARM)是指样品在强度逐渐衰变到的交变磁场中磁化所得到的剩余磁化强度,它指示了磁性矿物颗粒磁畴的信息,一般与单畴晶粒的含量成正比。饱和等温剩磁(SIRM)是样品在某一温度(一般室温)下受强磁场(通常为1T)磁化而产生的最大剩磁,主要反映磁性矿物的富集程度,其值的大小主要由亚铁磁性矿物和不完整反铁磁性矿物所贡献。“HIRM”剩磁是样品在反向磁场中磁化后所获得的等温剩磁与饱和等温剩磁的差值,指示不完全反铁磁性物质的含量;“SOFT”剩磁是样品在相对较低的磁场中磁化后所获得的等温剩磁,指示亚铁磁性矿物的含量;S-ratio指示了高矫顽力“硬”剩磁与低矫顽力“软”剩磁物质相对含量的多少,可用于指示亚铁磁性物质(如软磁铁矿)和反铁磁性物质(如硬赤铁矿)的相对重要性。χARM/χlf、χARM/SIRM和SIRM/χlf这些比值可用于指示磁铁矿的粒度大小,一般来说,值越大,磁性矿物的粒度越小。
进一步地,在上述方案中,步骤S3所述重金属提取及检测过程中,大气颗粒物提取液中大量金属元素的浓度使用电感耦合等离子体发射光谱仪测定,微量元素使用电感耦合等离子体质谱测定,可进行测试的金属元素包括但不限于:Al、As、Ba、Cd、Co、Cr、Cu、Fe、Mn、Mo、Ni、Pb、Ti、V和Zn。使用美国国家标准与技术研究院标准参考物质:NIST SRM 1648a(城市颗粒物)加标回收作为分析质量控制。
进一步地,在上述方案中,步骤S5所述模型模拟的精度的计算公式如下:
其中,Yi样品i的观测值,是对样品i的模拟值,n是数据数量;R用于评价观测值和模拟值之间的相互关系及其相关方向,值越大,说明观测值和预测值的相关性越高。MAE和RMSE用于评价预测值误差的实际情况,值越小,说明误差越小,模型的精度越高。IA用于评价模型的预测能力,取值在0到1之间,值越大,说明模型预测能力越高。
本发明的有益效果如下:
(1)本发明所提供的基于支持向量机技术的大气颗粒物重金属磁学快速评估方法,为环境磁学应用于城市大气颗粒物及重金属污染模拟提供了一个综合、创新的实践方向,同时,弥补了城市大气重金属污染统计学模型预测的空白。
(2)鉴于大气颗粒物重金属污染特征复杂、分析工作量大,其污染监测也具有一定紧迫性和现实性,本发明所构建的模型可用于城市大气颗粒物重金属污染水平的快速模拟和预测,进而识别城市大气重金属重点污染区域,也为其污染源控制和风险管理提供了重要参考。
附图说明
图1是本发明的流程框架图;
图2是支持向量机磁学评估模型对PM2.5中重金属质量浓度(a)及相对质量浓度(b)的模拟R值;
图3是支持向量机对As、Cd和Pb的模拟值与实测值的对比(a-c为质量浓度,d-f为相对质量浓度)。
具体实施方式
本发明的目的是对于某一城市,在不同空间和时间尺度上,使用采样器收集大气颗粒物后,将快速测试的磁学参数及气象站常规气象数据作为输入因子,便可结合上述模型对该区域内大气颗粒物重金属浓度进行较高精度的模拟,避免了对颗粒物中重金属进行提取和检测等一系列复杂、耗时的操作过程。所以下面以南京市为例,构建大气重金属污染的磁学快速评估模型。
南京是长三角地区典型性城市,是我国重要的综合性工业生产基地及交通枢纽,气候条件属亚热带季风气候,冬季以东北风为主,夏季以东风和东南风为主。南京地处长江下游的宁镇丘陵山区,三面环山,一面临水,地势就像一个西北开口的簸箕,阻碍大气污染物向周边地区的输送和扩散,污染物容易在市区滞留堆积。大气污染物排放大户多数分布在南京市主城区上风向,如江北化工园、六合化工园、浦口工业区以及迈皋桥地区的金陵石化和众多化工厂等对主城区空气质量存在较大影响,同时交通活动、生活源及城区建设等也会对空气质量带来较大影响。
结合实际监测条件,选择市区中心(鼓楼),郊区新城科教区(仙林)和江北工业区(浦口)三个研究区域进行大气颗粒物采样分析。市区中心采样点位于南京大学鼓楼校区,代表商业/居民区,商业活动频繁,居民区较多,人群活动密集;仙林大学城是南京两大大学城之一,南京大学仙林校区采样点位代表文教卫生区,但因距离江北工业区较近,其空气质量受到一定影响;南京信息工程大学浦口采样点是南京主要工业区域所在地,该区域空气质量受工业区影响较为严重。
本发明使用磁学参数和气象数据作为输入因子,将大气颗粒物重金属浓度(两种表达方式,即:质量浓度ng/m3和相对质量浓度μg/g)作为输出目标,构建大气重金属污染的磁学快速评估模型,其程序流程框架如附图1所示。具体步骤如下:
S1、大气颗粒物样品采集:采样设备为美国Tisch Environmental,Inc.(TEI)公司所生产的TE-6070型大流量颗粒物采样器,平均流量为1.13m3/min;在研究区域,按季节采样;采样器大气入口高度距地面1.5m,采样日期为2014年4月、5月(春季)、7月(夏季)、10月(秋季),以及2015年1月(冬季),每天早晚分别采样,每个季节连续采样10天,避免大风和雨雪等极端天气,最终每个采样点每个季节分别获得20个样品,三个点四个季节共计获得PM2.5样品240个;采样期间需同时记录空气质量自动监测站的实时气象数据;
为同时准确测试大气颗粒物磁学参数和重金属,采样介质使用高纯石英滤膜(QM-Whatman,20.3cm×25.4cm),采样前后滤膜恒温恒湿48h(温度20-25℃,湿度40-50%)后称重,以确定PM2.5的质量;每张滤膜的1/8用于分析重金属总量,3/8用于进行常温磁学参数的测试;
S2、大气颗粒物磁学参数测试:磁学参数测试之前,将三个区域采集的大气颗粒物至恒重后称重,称重后将样品填充在2×2×2立方厘米非磁性塑料盒中进行测试;使用卡帕桥磁化率仪KLY-3测试低频磁化率χlf;ARM使用交变退磁仪、旋转磁力仪测量,将样品置于0.04mT的直流偏置场中和100mT的交变磁场峰值下获得非磁滞剩磁,获得剩磁的样品用旋转磁力仪进行测量;IRM和SIRM,使用旋转磁力仪和脉冲磁化仪测量,首先使待测样品分别经受20、40、100、300和1000mT的磁场的磁化,分别测得对应的磁化强度,在峰值为1000mT的脉冲磁场下获得的等温剩磁为SIRM。获得SIRM后的样品,使其经受反向磁场的磁化,测得反向磁场中的等温剩磁,硬剩磁HIRM=[(SIRM+IRM-300)/2]/mass。然后,计算相应比值作为指示粒径的参数:S-ratio=IRM-300mT/SIRM,以及χARM/χlf、χARM/SIRM和SIRM/χlf;
磁化率(χ)是很重要且使用最为广泛的磁学参数,是样品在外场作用下物质磁化的能力,是样品在一弱磁场中所获得的感应磁化强度与磁场强度的比值,通常反映了亚铁磁性矿物如磁铁矿的含量。非磁滞剩磁(ARM)是指样品在强度逐渐衰变到的交变磁场中磁化所得到的剩余磁化强度,它指示了磁性矿物颗粒磁畴的信息,一般与单畴晶粒的含量成正比。饱和等温剩磁(SIRM)是样品在某一温度(一般室温)下受强磁场(通常为1T)磁化而产生的最大剩磁,主要反映磁性矿物的富集程度,其值的大小主要由亚铁磁性矿物和不完整反铁磁性矿物所贡献;S-ratio指示了高矫顽力“硬”剩磁与低矫顽力“软”剩磁物质相对含量的多少,可用于指示亚铁磁性物质(如软磁铁矿)和反铁磁性物质(如硬赤铁矿)的相对重要性;χARM/χlf、χARM/SIRM和SIRM/χlf这些比值可用于指示磁铁矿的粒度大小;
S3、重金属提取及检测:将大气颗粒物样品滤膜用陶瓷剪刀剪成细条状置于消解管中,加入HClO4、HNO3和HF进行提取;As、Cd、Co、Cr、Cu、Mn、Ni、Pb、Ti和V浓度使用电感耦合等离子体质谱(ICP-MS,Perkin Elmer SCIEX,Elan 9000)测定,大量元素Al、Fe和Zn使用电感耦合等离子体发射光谱仪(ICP-OES,Perkin Elmer SCIEX,Optima 5300)测定;使用美国国家标准与技术研究院标准参考物质:NIST SRM 1648a(城市颗粒物)加标回收作为分析质量控制,经测试,绝大部分元素的回收率在±10%之内,符合质控要求;
S4、支持向量机模型构建:
将PM2.5中重金属浓度与磁学参数、气象数据进行皮尔逊相关性分析;结果显示,对于重金属的质量浓度(单位:ng/m3),Cd、Co、Fe、Mn、Pb、V、Ti和Zn与χLF、SIRM、χARM和HIRM显著正相关(p<0.05),Fe与SIRM的相关性系数最高,为0.586。对于相对质量浓度(单位:μg/g),绝大部分金属都与χLF,SIRM,χARM和HIRM显著正相关,Fe与SIRM的相关性系数最高,为0.697;S-ratio与大多数金属呈显著负相关。相比于χARM/χLF和χARM/SIRM,SIRM/χLF与更多金属呈显著正相关,由于这三个比值都是指示磁性颗粒物粒径的参数,因此,为避免重复,在构建模型时,对于三个比值只选择SIRM/χLF作为一项输入参数;
单位质量浓度的几乎所有重金属与PM2.5浓度呈均显著正相关(除了V),相对质量浓度的大部分重金属与PM2.5浓度呈显著负相关(除了Cd、Mn和Ni);风速与Cd、Pb和Zn呈显著负相关,只有Ni与大气压呈显著正相关,温度和相对湿度与大部分重金属浓度均呈现显著负相关;
以重金属浓度作为输出层,磁学参数和气象数据作为输入层,随机选择80%的数据作为训练样本,剩下的20%的数据作为测试样本,为确保训练数据的代表性,随机选取区域、季节、白天和夜晚的数据,且包含其中的极大和极小值,建立大气重金属磁学模拟预测模型;
在MATLAB环境下使用Libsvm,选取径向核函数(RBF核函数)epsilon-SVR模型,以重金属浓度作为输出层,磁学参数和气象数据作为输入参数,通过交叉试验的方法选取预测模型的最佳核函数g值及惩罚因子c值,建立大气重金属预测模型。
S5、模型误差评估:使用相关性系数(Correlation coefficient,R)、平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean squared error,RMSE)以及一致性指数(Index of agreement,IA)来计算和评价模型模拟的精度。
模型的R、MAE、RMSE和IA值如图2和表1所示。
表1.支持向量机磁学评估模型对PM2.5中重金属浓度的模拟及误差
对于单位质量浓度的重金属,磁学评估模型的训练和验证模型的R值均大于0.6,其中Al、Fe、Mn、Ni、Ti和Zn的训练R值>0.8,Fe的训练模型R值最高,为0.891。对于相对质量浓度的重金属,磁学评估模型的训练和验证模型的R值均大于0.7,其中,大部分重金属如Al、As、Fe、Mn、Ni、Pb、V和Ti的训练R值>0.8,Fe的训练模型R最高,为0.930。总体上,磁学评估模型对Al、Fe、Mn、Ni和Ti的模拟效果较好(训练和验证的R均>0.8),误差也较低,但是对Cd、Co、Cu和Cr的预测效果相对较差(训练和验证的R均在06-0.8之间)。模型对不同重金属模拟结果与重金属在研究期间和采样区域内的来源有关,具体原因尚需进一步验证。
为验证磁学参数的加入对颗粒物中重金属浓度的模拟是具有明显改善作用,另外将气象因子和大气颗粒物浓度作为输入因子,对重金属浓度进行模拟,将模拟效果进行对比。结果显示,磁学参数加入后,训练和验证的R值有明显增加,MAE和RMSE下降,IA值升高,对模拟效果有明显改善作用。如对于重金属质量浓度,加入磁学参数进行模拟后,对Al、As、Cd、Co、Cr、Cu、Fe、Mn、Ni、Pb、V、Ti和Zn,训练模型的R值分别比不加磁学参数提高了13.6%、21.3%、14.8%、12.4%、16.4%、5.5%、48.7%、28.0%、5.2%、22.7%、50.1%、13.6%和2.9%;对于相对质量浓度,加入磁学参数后,对Al、As、Cd、Co、Cr、Cu、Fe、Mn、Ni、Pb、V、Ti和Zn,训练模型的R值分别比不加磁学参数提高了12.4%、6.5%、30.2%、18.2%、2.9%、11.3%、70.6%、58.6%、9.6%、49.2%、12.6%、26.9%和38.1%。
以上所述,仅是本发明的一种实施案例而已,并非是对本发明作其他形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡事未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (6)
1.基于支持向量机技术的大气颗粒物重金属磁学评估方法,其特征在于,包括以下步骤:
S1、大气颗粒物样品采集:使用大气颗粒物采样设备,结合不同级别粒径切割器采集大气颗粒物;在研究区域,按季节采样,每个季节晴朗天气连续采样10-20天,避免大风和雨雪等极端天气;采样介质使用高纯石英滤膜,采样前后滤膜恒温恒湿48h后称重;每张滤膜的1/4用于分析重金属总量,3/4用于进行常温磁学参数的测试;
S2、大气颗粒物磁学参数测试:称重后将样品填充在非磁性塑料盒中进行测试;测试参数包括:低频磁化率χlf、非磁滞剩磁(ARM)、饱和等温剩磁(SIRM);根据等温剩磁及饱和等温剩磁测量结果计算硬剩磁HIRM、软剩磁SOFT;计算比值参数S-ratio以及χARM/χlf、χARM/SIRM和SIRM/χlf;
S3、重金属提取及检测:将大气颗粒物样品滤膜用陶瓷剪刀剪成细条状置于消解管中进行提取,使用电感耦合等离子体发射光谱仪和电感耦合等离子体质谱测定消解液中重金属浓度;
S4、支持向量机模型构建:通过相关性分析和主成分分析方法筛选不同季节、不同地点所有磁学参数及其比值与重金属的相关性,选择具有显著相关性的磁学参数以及气象数据作为输入因子,以重金属浓度作为输出层,随机选择80%的数据作为训练样本,剩下的20%的数据作为测试样本,训练样本包含每个采样区域、每个季节大气重金属浓度的极大和极小值,建立大气重金属磁学模拟预测模型;
S5、模型误差评估:使用相关性系数(Correlation coefficient,R)、平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean squared error,RMSE)以及一致性指数(Index of agreement,IA)来计算和评价模型模拟的精度。
2.根据权利要求1所述的基于支持向量机技术的大气颗粒物重金属磁学评估方法,其特征在于,所述步骤S2中,大气颗粒物磁学参数的测定方法具体如下:
使用卡帕桥磁化率仪KLY-3测试低频磁化率χlf;
将待测样品置于0.04mT的直流偏置场中和100mT的交变磁场峰值下,使用交变退磁仪和JR-6A旋转磁力仪测试非磁滞剩磁(ARM);
使待测样品分别经受20、40、100、300和1000mT的磁场的磁化,使用JR-6A旋转磁力仪和脉冲磁化仪进行测试,分别测得对应的磁化强度,在峰值为1000mT的脉冲磁场下获得的等温剩磁为饱和等温剩磁(SIRM);
获得饱和等温剩磁后的样品,使其经受反向磁场的磁化,测得反向磁场中的等温剩磁,常选的磁场强度为-20mT、-100mT和-300mT,获得剩磁数据:IRM-20,IRM-100,IRM-300。
3.根据权利要求1所述的基于支持向量机技术的大气颗粒物重金属磁学评估方法,其特征在于,所述步骤S2中,根据等温剩磁及饱和等温剩磁测量结果计算比值参数S-ratio=IRM-300/SIRM以及χARM/χlf,χARM/SIRM和SIRM/χlf。
4.根据权利要求1所述的基于支持向量机技术的大气颗粒物重金属磁学评估方法,其特征在于,所述步骤S2中,根据等温剩磁及饱和等温剩磁测量结果计算:硬剩磁HIRM=[(SIRM+IRM-300)/2]/mass,软剩磁SOFT=[(SIRM-IRM-20)/2]/mass;计算比值参数S-ratio=IRM-300/SIRM以及χARM/χlf,χARM/SIRM和SIRM/χlf。
5.根据权利要求1所述的基于支持向量机技术的大气颗粒物重金属磁学评估方法,其特征在于,步骤S3所述重金属提取及检测过程中,大气颗粒物提取液中大量金属元素的浓度使用电感耦合等离子体发射光谱仪测定,微量元素使用电感耦合等离子体质谱测定,可进行测试的金属元素包括但不限于:Al、As、Ba、Cd、Co、Cr、Cu、Fe、Mn、Mo、Ni、Pb、Ti、V和Zn。
6.根据权利要求1所述的基于支持向量机技术的大气颗粒物重金属磁学评估方法,其特征在于,步骤S5所述模型模拟的精度的计算公式如下:
<mrow>
<mi>R</mi>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>E</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mo>|</mo>
<mrow>
<msub>
<mover>
<mi>Y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>S</mi>
<mi>E</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>I</mi>
<mi>A</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mrow>
<msub>
<mover>
<mi>Y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mrow>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Yi样品i的观测值,是对样品i的模拟值,n是数据数量;R用于评价观测值和模拟值之间的相互关系及其相关方向,MAE和RMSE用于评价预测值误差的实际情况,IA用于评价模型的预测能力,IA取值在0到1之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710308435.6A CN107121650A (zh) | 2017-05-04 | 2017-05-04 | 基于支持向量机技术的大气颗粒物重金属磁学评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710308435.6A CN107121650A (zh) | 2017-05-04 | 2017-05-04 | 基于支持向量机技术的大气颗粒物重金属磁学评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107121650A true CN107121650A (zh) | 2017-09-01 |
Family
ID=59726570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710308435.6A Pending CN107121650A (zh) | 2017-05-04 | 2017-05-04 | 基于支持向量机技术的大气颗粒物重金属磁学评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107121650A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108072597A (zh) * | 2017-11-28 | 2018-05-25 | 南京大学 | 基于支持向量机和树叶磁学的大气颗粒物浓度监测方法 |
CN108169316A (zh) * | 2017-12-20 | 2018-06-15 | 南京大学 | 基于支持向量机和树叶磁学的大气重金属污染评估方法 |
CN110399893A (zh) * | 2018-04-24 | 2019-11-01 | 广州禾信仪器股份有限公司 | 大气颗粒物的源解析方法和装置 |
CN115656239A (zh) * | 2022-12-15 | 2023-01-31 | 南京师范大学 | 一种基于机器学习的重金属快速检测方法及系统 |
CN117524386A (zh) * | 2024-01-04 | 2024-02-06 | 之江实验室 | 基于微磁学和机器学习的磁性合金磁导率计算方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6961719B1 (en) * | 2002-01-07 | 2005-11-01 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hybrid neural network and support vector machine method for optimization |
CN102661889A (zh) * | 2012-04-27 | 2012-09-12 | 上海大学 | 大气颗粒物中分离磁性重金属元素的方法 |
CN103175713A (zh) * | 2013-03-01 | 2013-06-26 | 中国环境科学研究院 | 一种适用于大气干湿沉降中重金属分析的样品采集及提取方法 |
CN103913508A (zh) * | 2014-01-14 | 2014-07-09 | 常州千帆环保科技有限公司 | 一种快速检测土壤中重金属含量及空间分布的方法与装置 |
CN104198512A (zh) * | 2014-08-18 | 2014-12-10 | 北京农业质量标准与检测技术研究中心 | 基于支持向量机的x射线荧光光谱分析方法及装置 |
CN104677975A (zh) * | 2014-09-20 | 2015-06-03 | 青岛科技大学 | 大气颗粒物采集分析装置及其收集和分析方法 |
-
2017
- 2017-05-04 CN CN201710308435.6A patent/CN107121650A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6961719B1 (en) * | 2002-01-07 | 2005-11-01 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hybrid neural network and support vector machine method for optimization |
CN102661889A (zh) * | 2012-04-27 | 2012-09-12 | 上海大学 | 大气颗粒物中分离磁性重金属元素的方法 |
CN103175713A (zh) * | 2013-03-01 | 2013-06-26 | 中国环境科学研究院 | 一种适用于大气干湿沉降中重金属分析的样品采集及提取方法 |
CN103913508A (zh) * | 2014-01-14 | 2014-07-09 | 常州千帆环保科技有限公司 | 一种快速检测土壤中重金属含量及空间分布的方法与装置 |
CN104198512A (zh) * | 2014-08-18 | 2014-12-10 | 北京农业质量标准与检测技术研究中心 | 基于支持向量机的x射线荧光光谱分析方法及装置 |
CN104677975A (zh) * | 2014-09-20 | 2015-06-03 | 青岛科技大学 | 大气颗粒物采集分析装置及其收集和分析方法 |
Non-Patent Citations (6)
Title |
---|
冷湘梓: "基于非线性数学方法的PM2.5中重金属浓度模拟", 《中国环境科学》 * |
刘绍民: "蒸散量测定与估算方法的对比研究", 《自然资源学报》 * |
吴蕾: "基于支持向量机的环境数据分析与处理", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
戴之秀: "最小二乘支持向量机在土壤重金属反演中的应用", 《应用技术》 * |
许淑婧: "呼和浩特市大气降尘磁学特征及其环境意义", 《中国环境科学》 * |
陈丽斌: "徐州市大气颗粒物PM_(10)中重金属的污染特征及磁学响应", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108072597A (zh) * | 2017-11-28 | 2018-05-25 | 南京大学 | 基于支持向量机和树叶磁学的大气颗粒物浓度监测方法 |
CN108169316A (zh) * | 2017-12-20 | 2018-06-15 | 南京大学 | 基于支持向量机和树叶磁学的大气重金属污染评估方法 |
CN110399893A (zh) * | 2018-04-24 | 2019-11-01 | 广州禾信仪器股份有限公司 | 大气颗粒物的源解析方法和装置 |
CN115656239A (zh) * | 2022-12-15 | 2023-01-31 | 南京师范大学 | 一种基于机器学习的重金属快速检测方法及系统 |
CN117524386A (zh) * | 2024-01-04 | 2024-02-06 | 之江实验室 | 基于微磁学和机器学习的磁性合金磁导率计算方法和装置 |
CN117524386B (zh) * | 2024-01-04 | 2024-06-04 | 之江实验室 | 基于微磁学和机器学习的磁性合金磁导率计算方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Spatial distribution of soil magnetic susceptibility and correlation with heavy metal pollution in Kaifeng City, China | |
CN107121650A (zh) | 基于支持向量机技术的大气颗粒物重金属磁学评估方法 | |
Cesari et al. | Analysis of raw soils and their re-suspended PM10 fractions: Characterisation of source profiles and enrichment factors | |
Wang et al. | Prediction of size-fractionated airborne particle-bound metals using MLR, BP-ANN and SVM analyses | |
CN107300550A (zh) | 一种基于bp神经网络模型预测大气重金属浓度的方法 | |
Hu et al. | Magnetic properties of the urban soils in Shanghai and their environmental implications | |
Tan et al. | Source of atmospheric heavy metals in winter in Foshan, China | |
Choi et al. | Source apportionment of PM2. 5 at the coastal area in Korea | |
Pan et al. | Wet and dry deposition of atmospheric nitrogen at ten sites in Northern China | |
Khuzestani et al. | Quantification of the sources of long-range transport of PM2. 5 pollution in the Ordos region, Inner Mongolia, China | |
Zhu et al. | Identification of trace metal pollution in urban dust from kindergartens using magnetic, geochemical and lead isotopic analyses | |
Hedberg et al. | Source contributions to PM10 and arsenic concentrations in Central Chile using positive matrix factorization | |
Yang et al. | Assessment of heavy metals contamination in urban topsoil from Changchun City, China | |
Ma et al. | Atmospheric pollution history at Linfen (China) uncovered by magnetic and chemical parameters of sediments from a water reservoir | |
CN108169316A (zh) | 基于支持向量机和树叶磁学的大气重金属污染评估方法 | |
CN114384224B (zh) | 基于多同位素联合示踪的流域氮磷污染物解析方法与系统 | |
Ahmady-Birgani et al. | Characteristics of mineral dust impacting the Persian Gulf | |
Lin et al. | Characteristics and influencing factors of heavy metal pollution in surface dust from driving schools of Wuhu, China | |
De Bock et al. | Microanalysis of museum aerosols to elucidate the soiling of paintings: Case of the Correr Museum, Venice, Italy | |
Lang et al. | Development and application of a new PM2. 5 source apportionment approach | |
Wang et al. | Survey of ecological environmental conditions and influential factors for public parks in Shanghai | |
CN116205509A (zh) | 一种全面评价土壤重金属污染状况的研究方法 | |
CN108072597A (zh) | 基于支持向量机和树叶磁学的大气颗粒物浓度监测方法 | |
AE et al. | An interval fuzzy model for magnetic biomonitoring using the specie Tillandsia recurvata L | |
Ma et al. | Application of magnetic susceptibility and heavy metal bioaccessibility to assessments of urban sandstorm contamination and health risks: Case studies from Dunhuang and Lanzhou, Northwest China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |
|
RJ01 | Rejection of invention patent application after publication |