发明内容
本申请实施例提供了一种对多氯萘及其同系物的含量及来源进行解析的解析方法、装置、计算机设备和存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种对多氯萘及其同系物的含量及来源进行解析的解析方法,所述方法包括:
采集多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集,所述第一采样样品集包括对应的第一烟气采样样品子集、对应的第一环境空气采样样品子集和对应的第一土壤采样样品子集,所述第二采样样品集包括对应的第二烟气采样样品子集、对应的第二环境空气采样样品子集和对应的第二土壤采样样品子集;
根据第一预设解析模型,对所述第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果,所述第一解析结果包括多氯萘和/或多种多氯萘同系物的烟气、大气和土壤三者之间的第一转化关联关系;
根据第二预设解析模型,对所述第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果,所述第二解析结果包括多种重金属的烟气、大气和土壤之间的第二转化关联关系;
基于预设分析模型,根据所述第一转化关联关系和所述第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,所述第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;
根据所述相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,所述第一预测结果包括对应重金属的污染程度信息和污染源信息,所述第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
在一种实施方式中,所述第一预设解析模型包括具有耦合关系的第一相关性分析子模型和第一聚类分析子模型,对所述第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果包括:
获取多氯萘和/或多种多氯萘同系物的多个样品的第一浓度数据集,所述第一浓度数据集包括多氯萘和/或多种多氯萘同系物的多个样品的烟气浓度数据、多氯萘和/或多种多氯萘同系物的多个样品在环境空气中的浓度数据和多氯萘和/或多种多氯萘同系物的多个样品的土壤浓度数据;
根据所述第一相关性分析子模型和所述第一浓度数据集中的各个浓度数据,对多氯萘和/或多种多氯萘同系物的多个样品中具有同一来源的样品进行相关性分析,得到第一相关性分析结果;
根据所述第一聚类分析子模型和所述第一浓度数据集中的各个浓度数据,对多氯萘和/或多种多氯萘同系物的多个样品中具有同一来源的样品进行聚类分析,得到第一聚类分析结果;
对所述第一相关性分析结果和所述第一聚类分析结果进行分析,得到所述第一解析结果。
在一种实施方式中,所述第二预设解析模型包括第二相关性分析子模型和第二聚类子模型,所述根据第二预设解析模型,对所述第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果包括:
获取多种重金属的多个样品的第二浓度数据集,所述第二浓度数据集包括多种重金属的多个样品的烟气浓度数据、多种重金属的多个样品在环境空气中的浓度数据和多个重金属的多个样品的土壤浓度数据;
根据所述第二相关性分析子模型和所述第二浓度数据集中的各个浓度数据,对多种重金属的多个样品中具有同一来源的样品进行相关性分析,得到第二相关性分析结果;
根据所述第二聚类分析子模型和所述第二浓度数据集中的各个浓度数据,对多种重金属的多个样品中具有同一来源的样品进行聚类分析,得到第二聚类分析结果;
对所述第二相关性分析结果和所述第二聚类分析结果进行分析,得到所述第二解析结果。
在一种实施方式中,所述基于预设分析模型包括Pearson相关系数分析模型,所述方法还包括:
基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果。
在一种实施方式中,所述基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果包括:
基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第一预设范围内的任意一种重金属之间具有正相关的相关性关系的解析结果。
在一种实施方式中,所述基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果包括:
基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘与第二预设范围内的任意一种重金属之间具有负相关的相关性关系的解析结果。
在一种实施方式中,所述基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果包括:
基于所述Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第三预设范围内的任意一种重金属之间并不具有相关性的解析结果。
第二方面,本申请实施例提供了一种对多氯萘及其同系物的含量及来源进行解析的解析装置,所述装置包括:
采集模块,用于采集多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集,所述第一采样样品集包括对应的第一烟气采样样品子集、对应的第一环境空气采样样品子集和对应的第一土壤采样样品子集,所述第二采样样品集包括对应的第二烟气采样样品子集、对应的第二环境空气采样样品子集和对应的第二土壤采样样品子集;
解析模块,用于根据第一预设解析模型,对所述采集模块采集的所述第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果,所述第一解析结果包括多氯萘和/或多种多氯萘同系物的烟气、大气和土壤三者之间的第一转化关联关系;以及
根据第二预设解析模型,对所述采集模块采集的所述第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果,所述第二解析结果包括多种重金属的烟气、大气和土壤之间的第二转化关联关系;
关联关系分析模块,用于基于预设分析模型,根据所述解析模块解析出的所述第一转化关联关系和所述第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,所述第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;
预测模块,用于根据所述关联关系分析模块得到的所述相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,所述第一预测结果包括对应重金属的污染程度信息和污染源信息,所述第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述的方法步骤。
第四方面,本申请实施例提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,基于预设分析模型,根据第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;以及根据相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息;采用本申请实施例,由于能够精准地预测出多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系,这样,基于与其具有相关性关系的重金属污染状况的第一预测结果,进一步地精准地预测出多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合附图详细说明本公开的可选实施例。
请参见图1,为本申请实施例提供了一种对多氯萘及其同系物的含量及来源进行解析的解析方法的流程示意图。如图1所示,本申请实施例的对多氯萘及其同系物的含量及来源进行解析的解析方法可以包括以下步骤:
S101,采集多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集,第一采样样品集包括对应的第一烟气采样样品子集、对应的第一环境空气采样样品子集和对应的第一土壤采样样品子集,第二采样样品集包括对应的第二烟气采样样品子集、对应的第二环境空气采样样品子集和对应的第二土壤采样样品子集。
在本申请实施例中,采集上述多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集的采集方法和采集装置均为常规方法和常规装置,在此不再赘述。
S102,根据第一预设解析模型,对第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果,第一解析结果包括多氯萘和/或多种多氯萘同系物的烟气、大气和土壤三者之间的第一转化关联关系。
在一种可能的实现方式中,第一预设解析模型包括具有耦合关系的第一相关性分析子模型和第一聚类分析子模型,对第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果包括以下步骤:
获取多氯萘和/或多种多氯萘同系物的多个样品的第一浓度数据集,第一浓度数据集包括多氯萘和/或多种多氯萘同系物的多个样品的烟气浓度数据、多氯萘和/或多种多氯萘同系物的多个样品在环境空气中的浓度数据和多氯萘和/或多种多氯萘同系物的多个样品的土壤浓度数据;
根据第一相关性分析子模型和第一浓度数据集中的各个浓度数据,对多氯萘和/或多种多氯萘同系物的多个样品中具有同一来源的样品进行相关性分析,得到第一相关性分析结果;
根据第一聚类分析子模型和第一浓度数据集中的各个浓度数据,对多氯萘和/或多种多氯萘同系物的多个样品中具有同一来源的样品进行聚类分析,得到第一聚类分析结果;
对第一相关性分析结果和第一聚类分析结果进行分析,得到第一解析结果。
需要说明的是,在得到第一相关性分析结果后,在第一相关性分析结果为:其中一个多氯萘元素与一组多氯萘有显著正相关。然后,再对该多氯萘元素和该组多氯萘进行聚类分析,得到的第一聚类分析结果也显示二者为同一类。那么,就可以认为上述该多氯元素与这组多氯萘均属于同一类,具有同一属性。在上述过程,基于上述聚类分析方法所得到的第一聚类分析结果是用于验证第一相关性分析结果是否正确的一个佐证。
需要说明的是,在本申请实施例中,第一相关性分析子模型所采用的相关性分析方法为常规方法。第一聚类分析子模型所采用的聚类分析方法也为常规方法,例如,最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法、离差平方和法等,在此不再赘述。
S103,根据第二预设解析模型,对第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果,第二解析结果包括多种重金属的烟气、大气和土壤之间的第二转化关联关系。
在一种可能的实现方式中,第二预设解析模型包括第二相关性分析子模型和第二聚类子模型,根据第二预设解析模型,对第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果包括:
获取多种重金属的多个样品的第二浓度数据集,第二浓度数据集包括多种重金属的多个样品的烟气浓度数据、多种重金属的多个样品在环境空气中的浓度数据和多个重金属的多个样品的土壤浓度数据;
根据第二相关性分析子模型和第二浓度数据集中的各个浓度数据,对多种重金属的多个样品中具有同一来源的样品进行相关性分析,得到第二相关性分析结果;
根据第二聚类分析子模型和第二浓度数据集中的各个浓度数据,对多种重金属的多个样品中具有同一来源的样品进行聚类分析,得到第二聚类分析结果;
对第二相关性分析结果和第二聚类分析结果进行分析,得到第二解析结果。
同理,在得到第二相关性分析结果后,在第二相关性分析结果为:其中一个多氯萘元素与一组多氯萘有显著正相关。然后,再对该多氯萘元素和该组多氯萘进行聚类分析,得到的第二聚类分析结果也显示二者为同一类。那么,就可以认为上述该多氯元素与这组多氯萘均属于同一类,具有同一属性。在上述过程,基于上述聚类分析方法所得到的第二聚类分析结果是用于验证第二相关性分析结果是否正确的一个佐证。
需要说明的是,在本申请实施例中,第二相关性分析子模型所采用的相关性分析方法为常规方法。第二聚类分析子模型所采用的聚类分析方法也为常规方法,例如,最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法、离差平方和法等,在此不再赘述。
S104,基于预设分析模型,根据第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系。
在本申请实施例中,预设分析模型包括Pearson相关系数分析模型,该分析模型还采用了如下相关和聚类分析算法,具体地,利用R语言对多氯萘同系物及重金属进行相关和聚类分析,使用R语言中的eclust函数对多氯萘和重金属元素进行聚类分析。聚类分析采用系统聚类方法进行分析,本申请实施例提供的解析方法优先选择的计算方法是最短距离法和离差平方和法。
具体地,本申请实施例提供的解析方法,在选择最短距离法计算方式进行简单判定后,对数据进行进一步的标准化处理后再次采用欧式距离平方法进行进一步的聚类,通过将上述两种计算方法进行耦合的分析方法,能够有效地做到对聚类结果进行质控。
需要说明的是本申请实施例中的预设分析模型对应的算法至少包括两种及两种以上的耦合算法。当预设分析模型对应的算法为两种耦合算法时,该两种耦合算法具体为最短距离法和离差平方和法。针对最短距离法和离差平方和法的说明具体如下所述:
最短距离法:
定义类Gi与Gj之间的距离为两类最近样品的距离,即
设类Gp与Gq合并成一个新类记为Gr,则任一类Gk与Gr的距离为
以最短距离法进行聚类的步骤具体如下所述:
(1)定义样品之间距离,计算样品距离,得到距离矩阵为D(0),开始每个样品自成一类,显然这时Dij=dij,dij是样本XI和XJ的距离,即类与类之间的距离为两类之间最近的样本之间的距离。
(2)找出D(0)的非对角线最小元素,设为Dpq,则将Gp和Gq合并成一个新类,记为Gr,即Gr={Gp,Gq},Gp和Gq为样本,Gr为新类矩阵。
(3)给出计算新类与其他类的距离公式:Dkr=min{Dkp,Dkq},将D(0)中第p、q行及p、q列利用上面公式合并成一个新行新列,新行新列对应Gr,所得的矩阵记为D(1)。
(4)对D(1)重复上述对D(0)的(2)、(3)两步得D(2);如此下去,直到所有的元素并成一类为止。
第一离差平方和子模型所采用的算法是离差平方和法,具体如下所述:
离差平方和法:
假设将n个样品分成k类:G1,G2...,G
k,用
表示Gt中的第i个样品,nt表示Gt中的样品个数,
是Gt的重心,则Gt中样品的离差平方和为
K个类的类内离差平方和为
同类样品的离差平方和应当较小,类与类的离差平方和应当较大。具体做法是先将n个样品各自成一类,然后每次缩小一类,每缩小一类离差平方和就要增大,选择使S增加最小的两类合并直到所有的样品归为一类为止。
需要说明的是,本申请实施例提供的解析方法,除了可以采用上述两种常见的算法之外,还可以最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法等算法,可以根据实际应用场景的需要,引入上述任意一个算法。基于上述算法均是常规的算法,在此不再赘述。
在本申请实施例中,基于预设分析模型包括Pearson相关系数分析模型,所述方法还包括以下步骤:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果。
在一种可能的实现方式中,多种重金属包括Hg、Pb、Cu、Zn、Ni、Cr、Co、Sb、As和Mn,基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果包括以下步骤:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第一预设范围内的任意一种重金属之间具有正相关的相关性关系的解析结果。
在一种可能的实现方式中,第一预设范围内的重金属可以为Hg、Pb、Cu、Zn。上述仅仅是示例,可以根据不同应用场景的需求,对第一预设范围所包括的重金属的种类进行调整,在此不再赘述。
在一种可能的实现方式中,多种重金属包括Hg、Pb、Cu、Zn、Ni、Cr、Co、Sb、As和Mn,基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果包括以下步骤:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第二预设范围内的任意一种重金属之间具有负相关的相关性关系的解析结果。
在一种可能的实现方式中,第二预设范围内的重金属可以为Ni。上述仅仅是示例,可以根据不同应用场景的需求,对第二预设范围所包括的重金属的种类进行调整,在此不再赘述。
在一种可能的实现方式中,多种重金属包括Hg、Pb、Cu、Zn、Ni、Cr、Co、Sb、As和Mn,基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果包括以下步骤:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第三预设范围内的任意一种重金属之间并不具有相关性的解析结果。
在一种可能的实现方式中,第三预设范围内的重金属可以为Cr、Co、Sb、As和Mn。上述仅仅是示例,可以根据不同应用场景的需求,对第三预设范围所包括的重金属的种类进行调整,在此不再赘述。
如图2所示,是本申请实施例具体应用场景下的多氯萘及其同系物与多种重金属之间的相关性关系的数据示意图。针对图2做如下说明:*在0.05水平上显著相关,**在0.01水平上显著相关。
通过上述如图2所示的数据可知,采用Pearson相关系数法分析各种元素之间的相关性。其中多氯萘与重金属Hg、Pb、Cu、Zn存在显著正相关;与重金属Ni存在显著负相关。当元素间存在显著正相关时,即某一元素浓度上升与其存在正相关的元素也会随之上升。当元素间存在负相关时,某一元素浓度上升与其存在负相关的元素则会随之下降。可通过分析与多氯萘存在相关性的重金属含量来判断多氯萘的含量范围,继而了解多氯萘在当地的大致污染水平。
在实际应用中,首先分析金属间的相关性,判断哪些金属具有显著相关,然后再进行聚类分析,看看这类重金属是否在同一聚类内。其中Mn、Sb通常作为土壤自然源标志元素,这类金属受外环境影响较小,可认为这一组金属为自然源受人为干扰程度较小,如果在先前的相关性分析中As与Mn、Ni有较强相关性而且还在同一聚类内,即可认为该地区的As也同为自然源。其中,Hg、Cd、Pb被认为是垃圾焚烧尾气重金属污染的标志性元素,如果在先前的相关性分析中Hg、Cd、Pb与Cu、Zn有较强相关性而且还在同一聚类内,即可认为该地区的Cu、Zn也同样来自于垃圾焚烧厂。
如图3所示,显示了土壤样品中8种多氯萘和11种金属的相关性分析结果,多氯萘与金属Hg、Pb、Cu、Zn之间呈正相关,另一组金属(Cr、Co、Sb、As、Mn)与多氯萘(PCNs)显示较差的相关性,Pearson相关系数接近于零。对重金属的分析显示出Hg、Pb、Cu、Zn之间也具有较好的相关性,土壤中的部分重金属与多氯萘具相关性。
如图4所示,显示了基于土壤样品中PCNs和重金属的聚类分析,PCNs与金属被分成七组。在7个不同簇之间的物种中,簇3、4、5、6、7都是由金属组成的,簇1由多氯萘同系物与金属Cu、Pb、Zn、Hg组成,其中簇2的TeCNs和HpCNs与大部分多氯萘不在同一簇中,这意味着2个多氯萘同系物与其他多氯萘同系物的形成或转化是相对独立的。最大的聚类是部分重金属Cu、Zn、Pb、Hg与多氯萘归为一类,这表明它们具有相同的来源。
在本申请实施例中,预设分析模型对应的方法还采用了主成分分析方法,如图5所示,主成分载荷图(FSC1为焚烧厂烟气采样点;ZZC1为造纸厂烟气采样点、YRC1为印染厂烟气采样点、GTC1为钢铁厂烟气采样点、SNC1为水泥厂烟气采样点;A1-A5为大气;S1-S5为土壤)主成分结果表明,焚烧厂烟气中污染物与空气及土壤中的污染物属于同一来源,大气沉降对土壤浓度有显著影响,土壤中多氯萘及重金属含量受周围排放源的影响。
在实际应用中,对烟气、空气及土壤中的污染物进行主成分分析,会获得如图5所示的主成分载荷图,在同一成分内即表示属于同一来源。
在实际应用场景中,若基于上述荷载图(立方体)显示处于同一平面内时,则属于同一成分。
主成分载荷图是根据常规方法获得的,基于所采用的方法均是常规方法,在此不再赘述。
在实际应用场景中,通过主成分分析法分析不同采样样品是否来自于同一来源,以焚烧厂烟气和周边其他厂烟气为例,如果焚烧厂烟气与大气在同一成分,则可以对大气中的这类污染物进行溯源,而大气中的污染物最终可通过干湿沉降作用沉降到土壤中,对大气和土壤主成分分析,如果在同一成分内,则可以最终溯源出土壤中的这类污染物,从而判定出污染物所属厂区的污染现状。当确定污染物(重金属和多氯萘)来自于同一来源后,即可分析两者相关性,后续通过分析重金属的分布特征来判断多氯萘的污染情况,继而对该厂区进行源头治理。
需要说明的是,本申请的预设分析模型将相关系数、聚类分析和主成分分析的方法的进行耦合,并以耦合方法来对烟气-大气-土壤的来源解析进行解析,得到的解析结果更加精准。
在实际应用场景中,分别对元素进行相关性、聚类、主成分分析,上述三种分析方式互为验证,若上述三种分析方式均得到同一结论,即可证明:元素属于同一类,均具有同一属性,均具有相同的物理意义。
S105,根据相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
针对S105中如何获得重金属污染状况的第一预测结果做如下说明:
对重金属进行相关性分析,得到相关性分析结果,相关性分析结果会显示:哪些金属元素之间具有显著的正相关关系。
例如,在某一具体应用场景中,若相关性分析结果为:Cu与Pb之间为正相关的关系,可以得出结论:在这个地区若有Cu的存在,也会有Pb的存在。再对某一重金属污染状况进行分析,对某一重金属污染状况进行分析则通过单项污染指数分析及富集因子判断重金属污染状况,可以具体到重金属污染程度。
针对S105中如何预测得到多氯萘和/或多氯萘同系物污染状况的第二预测结果做如下说明:
在本申请实施例中,第二预测结果包括多氯萘及其同系物的浓度含量水平。实际应用场景中,通过收集多氯萘及其同系物的浓度排放水平数据,并基于上述浓度排放水平数据分析多氯萘及其同系物的浓度含量水平。
如图6所示,是本申请实施例具体应用场景下的对多氯萘及其同系物的含量及来源进行解析的解析方法的流程示意图。
如图6所示的解析方法包括以下步骤:
步骤1:收集工业源多氯萘及其同系物的浓度排放水平、排放标准、排放因子;调研当地工业源污染物浓度排放水平,主要通过收集已运行企业的多氯萘及其同系物、重金属例行监测数据;上述监测数据为数据质控提供了参考。
步骤2:进行现场采样,以环境空气和土壤为主;烟道通过搜集企业例行监测数据为主,现场监测为辅。
步骤3:检测多氯萘及其同系物、重金属(Cd、Hg、Pb、As、Cu、Fe、Co、Zn、Ni、Mn)在烟道、大气和土壤中的浓度水平,结合步骤1中收集的相关数据进行质控,为下一步分析提供数据。
步骤4:依据步骤3中的多氯萘及其同系物的含量和重金属含量进行相关性、聚类分析和主成分分析,对多氯萘及其同系物和重金属进行来源解析。
步骤5:当确定多氯萘及其同系物以及重金属的来源后,再对步骤4中的结果进行进一步分析,找到多氯萘同系物与某种重金属具有显著的相关性和关联性,例如Hg、Pb、Zn和Cd与多氯萘及其同系物有显著的相关性,那么在今后开展工业源周边环境介质中污染物检测时,即可检测上述污染物来代表多氯萘及其同系物的含量水平,从而减少时间成本及经济费用。此外,能够定期开展工业源周边环境的监测,并得到此类重金属土壤含量的变化趋势。在得到此类重金属土壤含量的变化趋势之后,根据此类重金属与多氯萘及其同系物之间的相关性关系,就可以预测出土壤中多氯萘及其同系物的污染预测结果,不仅能够精准地预测出多氯萘及其同系物的浓度水平,还能够精准地预测出多氯萘及其同系物的多种污染源,并生成针对多种污染源的有效治理方案。
如图6所示,对重金属污染进行评估,得到重金属污染程度,评估所采用的方法为:单因子指数、内罗梅综合污染指数和富集因子,通过上述三种方法计算的值可判定重金属污染程度。针对上述三种方法做如下说明:
重金属单因子指数法来评价土壤污染程度,计算公式为:
其中,PI为土壤中重金属元素I的污染指数,CI为金属污染物I的实测值,SI为所选取的评价标准,选取某市土壤元素基准值作为参考值。当PI≤1时土壤处于清洁状态;当1<PI≤2时土壤处于轻度污染;当2<PI≤3时土壤为中度污染;当PI>3时土壤为重度污染。
内梅罗污染指数评价:
内梅罗污染指数
上述公式中,PI均和PI最大分别是平均单项污染指数和最大单项污染指数。
内梅罗指数反映了各污染物对土壤的作用,同时突出了高浓度污染物对土壤环境质量的影响,可按内梅罗污染指数划定污染等级。内梅罗指数土壤污染评价标准见下表。
等级 |
内梅罗污染指数 |
污染等级 |
1 |
P<sub>N</sub>≤0.7 |
清洁(安全) |
2 |
0.7<P<sub>N</sub>≤1.0 |
尚清洁(警戒线) |
3 |
1.0<P<sub>N</sub>≤2.0 |
轻度污染 |
4 |
2.0<P<sub>N</sub>≤3.0 |
中度污染 |
5 |
P<sub>N</sub>>3.0 |
重污染 |
重金属富集因子是以定量评价污染程度与污染来源的重要指标,它选择满足一定条件的元素作为参考元素(或称标准化元素),样品中污染元素浓度与参考元素浓度的比值与背景区中二者浓度比值的比率即为富集因子,计算公式为:
上述公式中,Ci为元素i的浓度,Cr为被选定的参比元素的浓度。(Ci/Cr)背景为地壳中相应元素的相对浓度。然后,把这两种浓度相除,即为Ci元素的富集因子值,用EF表示。参比元素的选择,一般选用地壳中普遍存在的而人为污染来源较少、化学稳定性好、分析结果精确度高的低挥发性元素。国际上多用Fe(铁)、Al(铝)、Si(硅)、Ti(钛)、Sc(钪)等。即当EF>10时,表明样品中该元素是由人为活动造成的,当EF≈1时,则该元素主要来源于地壳或土壤。当某一元素的EF值显著大于1时,可表明该元素在环境介质中已被富集(污染).如果EF值小于1,则表明没有污染。
在本申请实施例中,基于预设分析模型,根据第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;以及根据相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息;采用本申请实施例,由于本申请实施例提供的解析方法,由于能够精准地预测出多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系,这样,基于与其具有相关性关系的重金属污染状况的第一预测结果,进一步地精准地预测出多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
下述为本发明对多氯萘及其同系物的含量及来源进行解析的解析装置实施例,可以用于执行本发明对多氯萘及其同系物的含量及来源进行解析的解析方法实施例。对于本发明对多氯萘及其同系物的含量及来源进行解析的解析装置实施例中未披露的细节,请参照本发明对多氯萘及其同系物的含量及来源进行解析的解析方法实施例。
请参见图7,其示出了本发明一个示例性实施例提供的对多氯萘及其同系物的含量及来源进行解析的解析装置的结构示意图。该对多氯萘及其同系物的含量及来源进行解析的解析装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该对多氯萘及其同系物的含量及来源进行解析的解析装置包括采集模块10、解析模块20、关联关系分析模块30和预测模块40。
具体而言,采集模块10,用于采集多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集,第一采样样品集包括对应的第一烟气采样样品子集、对应的第一环境空气采样样品子集和对应的第一土壤采样样品子集,第二采样样品集包括对应的第二烟气采样样品子集、对应的第二环境空气采样样品子集和对应的第二土壤采样样品子集;
解析模块20,用于根据第一预设解析模型,对采集模块10采集的第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果,第一解析结果包括多氯萘和/或多种多氯萘同系物的烟气、大气和土壤三者之间的第一转化关联关系;以及
根据第二预设解析模型,对采集模块10采集的第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果,第二解析结果包括多种重金属的烟气、大气和土壤之间的第二转化关联关系;
关联关系分析模块30,用于基于预设分析模型,根据解析模块20解析出的第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;
预测模块40,用于根据关联关系分析模块30得到的相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
可选的,第一预设解析模型包括具有耦合关系的第一相关性分析子模型和第一聚类分析子模型,解析模块20具体用于:
获取多氯萘和/或多种多氯萘同系物的多个样品的第一浓度数据集,第一浓度数据集包括多氯萘和/或多种多氯萘同系物的多个样品的烟气浓度数据、多氯萘和/或多种多氯萘同系物的多个样品在环境空气中的浓度数据和多氯萘和/或多种多氯萘同系物的多个样品的土壤浓度数据;
根据第一相关性分析子模型和第一浓度数据集中的各个浓度数据,对多氯萘和/或多种多氯萘同系物的多个样品中具有同一来源的样品进行相关性分析,得到第一相关性分析结果;
根据第一聚类分析子模型和第一浓度数据集中的各个浓度数据,对多氯萘和/或多种多氯萘同系物的多个样品中具有同一来源的样品进行聚类分析,得到第一聚类分析结果;
对第一相关性分析结果和第一聚类分析结果进行分析,得到第一解析结果。
可选的,第二预设解析模型包括第二相关性分析子模型和第二聚类子模型,解析模块20具体用于:
获取多种重金属的多个样品的第二浓度数据集,第二浓度数据集包括多种重金属的多个样品的烟气浓度数据、多种重金属的多个样品在环境空气中的浓度数据和多个重金属的多个样品的土壤浓度数据;
根据第二相关性分析子模型和第二浓度数据集中的各个浓度数据,对多种重金属的多个样品中具有同一来源的样品进行相关性分析,得到第二相关性分析结果;
根据第二聚类分析子模型和第二浓度数据集中的各个浓度数据,对多种重金属的多个样品中具有同一来源的样品进行聚类分析,得到第二聚类分析结果;
对第二相关性分析结果和第二聚类分析结果进行分析,得到第二解析结果。
可选的,基于预设分析模型包括Pearson相关系数分析模型,所述装置还包括:
相关性关系分析模块(在图7中未示出),用于基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到对应的分析结果。
可选的,相关性关系分析模块具体用于:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第一预设范围内的任意一种重金属之间具有正相关的相关性关系的解析结果。
可选的,相关性关系分析模块具体用于:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第二预设范围内的任意一种重金属之间具有负相关的相关性关系的解析结果。
可选的,多种重金属包括Hg、Pb、Cu、Zn、Ni、Cr、Co、Sb、As和Mn,相关性关系分析模块具体用于:
基于Pearson相关系数分析模型,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行分析,得到多氯萘和/或多种多氯萘同系物与第三预设范围内的任意一种重金属之间并不具有相关性的解析结果。
需要说明的是,上述实施例提供的对多氯萘及其同系物的含量及来源进行解析的解析装置在执行对多氯萘及其同系物的含量及来源进行解析的解析方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供对多氯萘及其同系物的含量及来源进行解析的解析装置与对多氯萘及其同系物的含量及来源进行解析的解析方法实施例属于同一构思,其体现实现过程详见对多氯萘及其同系物的含量及来源进行解析的解析方法实施例,这里不再赘述。
在本申请实施例中,关联关系分析模块用于基于预设分析模型,根据解析模块解析出的第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;以及预测模块用于根据关联关系分析模块得到的相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息,采用本申请实施例,由于本申请实施例提供的解析装置,能够精准地预测出多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系,这样,基于与其具有相关性关系的重金属污染状况的第一预测结果,进一步地精准地预测出多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:采集多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集,第一采样样品集包括对应的第一烟气采样样品子集、对应的第一环境空气采样样品子集和对应的第一土壤采样样品子集,第二采样样品集包括对应的第二烟气采样样品子集、对应的第二环境空气采样样品子集和对应的第二土壤采样样品子集;根据第一预设解析模型,对第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果,第一解析结果包括多氯萘和/或多种多氯萘同系物的烟气、大气和土壤三者之间的第一转化关联关系;根据第二预设解析模型,对第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果,第二解析结果包括多种重金属的烟气、大气和土壤之间的第二转化关联关系;基于预设分析模型,根据第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;根据相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:采集多氯萘和/或多种多氯萘同系物的第一采样样品集和多种重金属的第二采样样品集,第一采样样品集包括对应的第一烟气采样样品子集、对应的第一环境空气采样样品子集和对应的第一土壤采样样品子集,第二采样样品集包括对应的第二烟气采样样品子集、对应的第二环境空气采样样品子集和对应的第二土壤采样样品子集;根据第一预设解析模型,对第一采样样品集中的采样样品的多氯萘和/或多种多氯萘同系物的转化关联关系进行解析,得到第一解析结果,第一解析结果包括多氯萘和/或多种多氯萘同系物的烟气、大气和土壤三者之间的第一转化关联关系;根据第二预设解析模型,对第二采样样品集中的采样样品的多种重金属的转化关联关系进行解析,得到第二解析结果,第二解析结果包括多种重金属的烟气、大气和土壤之间的第二转化关联关系;基于预设分析模型,根据第一转化关联关系和第二转化关联关系,对多氯萘和/或多种多氯萘同系物与多种重金属之间的相关性关系进行解析,得到第三解析结果,第三解析结果包括多氯萘和/或多氯萘同系物与多种重金属中的任意一种重金属之间的相关性关系;根据相关性关系和对应重金属污染状况的第一预测结果,对多氯萘和/或多氯萘同系物污染状况进行预测,得到多氯萘和/或多氯萘同系物污染状况的第二预测结果,第一预测结果包括对应重金属的污染程度信息和污染源信息,第二预测结果包括多氯萘和/或多氯萘同系物的污染程度信息和污染源信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。