[发明专利]基于支持向量机和树叶磁学的大气颗粒物浓度监测方法

说明书

本发明涉及对大气颗粒物PM2.5和PM10浓度监测方法的技术领域，具体是涉及一种基于支持向量机和树叶磁学的大气颗粒物浓度监测方法，所述方法的具体步骤如下：(1)树叶样品采集、(2)树叶磁学参数测试、(3)大气颗粒物浓度与树叶磁学参数的相关性分析、(4)支持向量机模型构建、(5)模型误差评估；本发明方法简便，采用大气颗粒物天然载体——树叶的磁学特征及支持向量机工具构建PM2.5和PM10浓度模拟模型，为环境磁学应用于城市大气颗粒物污染时空分布的模拟提供了一个新的实践方向，也为城市大气颗粒物重点污染区域识别及风险管理提供了重要参考。

技术领域

本发明涉及对大气颗粒物PM2.5和PM10浓度监测方法的技术领域，具体是涉及基于支持向量机和树叶磁学的大气颗粒物浓度监测方法。

背景技术

大气颗粒物又叫大气气溶胶，是指分散于空气中的固态或液颗粒状物质，为大气的不定组分之一，也是空气污染的一种重要形式。随着城市化、工业化进程的加快以及机动车保有量的增加，我国大气颗粒物污染问题日益严重。近年的环境公报和在线监测数据表明，一直以来，大气颗粒物是影响我国众多城市空气质量的首要污染物。目前大气颗粒物浓度监测方法已基本实现自动、在线、连续监测，很多城市也设置了环境空气质量监测站点。但由于环境空气质量监测站造价昂贵，无法移动，一座城市的监测站点数量有限，不能对较高空间分辨率的大气颗粒物浓度进行监测。

自然界和人类活动所产生的次生物质往往表现出不同的磁性特征，环境磁学研究的基础是通过系统的磁性测量，揭示物质中磁性矿物的类型、含量和晶粒组合特征，从中提取环境信息。环境磁学测试具有简便、快捷、经济、无破坏性等特点，已被广泛地应用于沉积学、地质学、气候学、环境科学、土壤学和海洋科学等领域。20世纪80年代中期，环境磁学方法开始应用于大气污染研究。城市中树叶容易采集、分布广泛、比表面积大、生长周期长，可通过蜡质层以扩散方式直接吸收大气粉尘及悬浮颗粒物，且叶片易吸附粒径＜10μm的颗粒物。此外，空气监测站通常监测的是实时颗粒物浓度，而树叶表面所沉积的颗粒物往往反映了短期内大气颗粒物污染的平均状况，利用植物叶片作为载体可以很好地反演短时间内的环境空气质量状况。近年来，国内外已有利用树叶的磁性特征来表征大气颗粒物污染的研究，但目前还鲜有利用树叶磁学参数构建非线性数学模型来模拟城市大气颗粒物浓度的报道。

大气污染物浓度的统计预报是以统计学方法为基础，不依赖于污染物的物理、化学反应过程，它通过分析污染物的变化规律，找出影响其浓度变化的典型因子，然后建立这些典型因子与污染物浓度实测值之间的定量或半定量关系，最后根据这些关系作浓度预报。与数值预报模式相比，统计预报方法不需建立复杂的数理模型及复杂的地理和气象数据，比较简便、经济、易于实现。传统的预报方法包括回归分析、分类预报、时间序列和灰色系统等，但这些方法在处理非线性的环境问题上具有较大局限性，其准确率也往往并不令人满意，把它们用于处理具有非线性特征的大气污染的预测上有其明显的不足。支持向量机(SVM)是由Vapnik开发的新一代基于统计学习理论的机器学习机器，能解决小样本、非线性、高维数和局部极小点等实际问题。支持向量机遵循结构风险最小化原则，预测能力和推广能力优秀，已被广泛用来对常见大气污染物如SO2、NOx、CO、O3、PM10和PM2.5等进行模拟和预测，并获得了较理想的效果。但目前国内外还没有将树叶磁学和支持向量机方法结合起来对城市大气污染物进行模拟的报道。

发明内容