一种污染源类型的确定方法、系统、电子设备及存储介质技术方案

本发明专利技术公开一种污染源类型的确定方法、系统、电子设备及存储介质，涉及大气气溶胶源解析技术领域，所述方法包括：获取多种污染物浓度样本数据；污染物浓度样本数据包括：污染物的采样时间、种类名称和浓度；基于所有污染物浓度样本数据构建浓度数据矩阵和不确定度数据矩阵；基于预设组数、预设因子数、浓度数据矩阵、不确定度数据矩阵和正矩阵分解受体软件，确定预设组数组的因子矩阵组；因子矩阵组包括：因子贡献矩阵和因子分布矩阵；基于目标函数确定目标因子分布矩阵；目标分布函数是关于因子贡献矩阵和因子分布矩阵的函数；将因子分布矩阵与源成分谱进行对比，确定各污染物对应污染源的类型。本发明专利技术提高了识别污染源类型的准确性。准确性。准确性。

【技术实现步骤摘要】
一种污染源类型的确定方法、系统、电子设备及存储介质


[0001]本专利技术涉及大气气溶胶源解析
，特别是涉及一种污染源类型的确定方法、系统、电子设备及存储介质。

技术介绍

[0002]作为大气中挥发性有机物(Volatile Organic Compounds，VOCs)的来源进行区分识别并进行定量或定性研究，分析其源贡献率的技术与污染源类型的识别方法，VOCs源解析污染源类型的识别方法为城市VOCs责任划分和行业减排等控制治理政策提供依据。VOCs源解析技术污染源类型的识别方法主要包括扩散模型法和受体模型法。
[0003]正矩阵分解(Positive Matrix Factorization，PMF)受体模型是目前应用最广泛的污染物源解析污染源类型的识别方法之一，它是一个多元因子分析工具，通过将输入模型的样品含量数据矩阵分解成因子贡献(G)和因子成分谱(F)两个矩阵，通过多线性多次迭代算法识别因子数量和因子贡献。PMF受体模型解析能力强，可进行数学统计优化，无需预先掌握污染源成分谱；但是PMF受体模型仍然存在极大的不确定性，即因子个数的确定以及在PMF计算出因子成分谱后，如何识别这些因子对应的来源。在因子识别方面完全依靠PMF操作者的经验和主观判断；在确定最佳因子个数方面，也是通过操作者通过反复计算出多种因子数的方案组合，依靠经验和主观判断来确定最终应该选几个因子。而操作者的经验来自于阅读前人的文献和对污染源包含的化学成分的一般认知，因此不同的操作者得出的源解析结果因人而异，没有统一标准和公认的正确结果。
[0004]本申请可以准确得到污染源因子，实现污染源种类信息识别，从而影响最终源解析结果的使用者的减排与治理决策的有效性。

技术实现思路

[0005]本专利技术的目的是提供一种污染源类型的确定方法、系统、电子设备及存储介质，提高了识别污染源类型的准确性。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种污染源类型的确定方法，所述方法包括：
[0008]获取多种污染物浓度样本数据；所述污染物浓度样本数据包括：污染物的采样时间、种类名称和浓度；
[0009]基于所有所述污染物浓度样本数据构建浓度数据矩阵和不确定度数据矩阵；
[0010]基于预设组数、预设因子数、所述浓度数据矩阵、所述不确定度数据矩阵和正矩阵分解受体软件，确定预设组数组的因子矩阵组；所述因子矩阵组包括：因子贡献矩阵和因子分布矩阵；
[0011]基于目标函数确定目标因子分布矩阵；所述目标分布函数是关于所述因子贡献矩阵和所述因子分布矩阵的函数；
[0012]将所述因子分布矩阵与源成分谱进行对比，确定各污染物对应污染源的类型；所
述类型包括：运输、生物质燃烧、固定矿物燃料燃烧、工业加工和溶剂利用。
[0013]可选地，所述浓度数据矩阵的构建过程，具体包括：
[0014]以所述采样时间为行标识，以所述种类名称为列标识，以污染物的浓度为元素，构建所述浓度数据矩阵。
[0015]可选地，所述不确定度数据矩阵的构建过程，具体包括：
[0016]判断各所述污染物的浓度是否大于元素测量仪器的最小检测限；所述元素检测仪器为用于检测所述污染物的浓度的设备；
[0017]若是，则根据预设不确定度百分比、污染物的浓度和元素测量仪器的最小检测限，计算对应污染物的不确定度；
[0018]若否，则根据元素测量仪器的最小检测限，计算对应污染物的不确定度；
[0019]以所述采样时间为行标识，以所述种类名称为列标识，以污染物的不确定度为元素，构建所述浓度数据矩阵。
[0020]可选地，根据预设不确定度百分比、污染物的浓度和元素测量仪器的最小检测限，计算对应污染物的不确定度通过第一不确定度公式实现，所述第一不确定度公式为：
[0021][0022]其中，Unc为污染物的不确定度；EF为预设不确定度百分比；c为污染物的浓度；MDL为元素测量仪器的最小检测限。
[0023]可选地，所述目标函数的表达式为：
[0024][0025]其中，Q为目标函数值；i为所述采样时间的序号；n为采样时间总数；j为所述污染物的序号；m为污染物总数；x
ij
为所述浓度数据矩阵中第i个采样时间的第j个污染物的浓度；k为因子的序号；p为所述预设因子数；u
ij
为所述不确定度矩阵中第i个采样时间的第j个污染物的不确定度；g
ik
为所述因子贡献矩阵中第k个因子对第i个采样时间中所有污染物的浓度的贡献；f
ki
为所述因子分布矩阵中第j个污染物在第k个因子中的浓度。
[0026]可选地，将所述因子分布矩阵与源成分谱进行对比，确定各污染物对应污染源的类型，具体包括：
[0027]基于所述因子分布矩阵中所有因子对应的污染物的浓度和所述源成分谱中所有污染源对应的污染物的浓度，计算几何差值；
[0028]将前d个几何差值最小的污染源确定为污染物对应污染源的类型；d为预设个数。
[0029]可选地，所述几何差值的计算公式为：
[0030][0031]其中，j为污染物的序号；m为污染物总数；c
a,j
为因子分布矩阵中第a个因子对应的第j个污染物在m个污染物中的质量分数，质量分数为任一污染物的浓度在全部污染物的总浓度的占比；e
j
为源成分谱中第b个污染源对应的第j个即污染物在m个污染物中的质量分数。
[0032]一种污染源类型的确定系统，所述系统包括：
[0033]浓度样本数据获取模块，用于获取多种污染物浓度样本数据；所述污染物浓度样本数据包括：污染物的采样时间、种类名称和浓度；
[0034]矩阵构建模块，用于基于所有所述污染物浓度样本数据构建浓度数据矩阵和不确定度数据矩阵；
[0035]矩阵分解模块，用于基于预设组数、预设因子数、所述浓度数据矩阵、所述不确定度数据矩阵和正矩阵分解受体软件，确定预设组数组的因子矩阵组；所述因子矩阵组包括：因子贡献矩阵和因子分布矩阵；
[0036]目标因子分布矩阵确定模块，用于基于目标函数确定目标因子分布矩阵；所述目标分布函数是关于所述因子贡献矩阵和所述因子分布矩阵的函数；
[0037]污染源确定模块，用于将所述因子分布矩阵与源成分谱进行对比，确定各污染物对应污染源的类型；所述类型包括：运输、生物质燃烧、固定矿物燃料燃烧、工业加工和溶剂利用。
[0038]一种电子设备，包括：
[0039]一个或多个处理器；
[0040]存储装置，其上存储有一个或多个程序；
[0041]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述所述的污染源类型的确定方法。
[0042]一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述所述的污染源类型的确定方法。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种污染源类型的确定方法，其特征在于，所述方法包括：获取多种污染物浓度样本数据；所述污染物浓度样本数据包括：污染物的采样时间、种类名称和浓度；基于所有所述污染物浓度样本数据构建浓度数据矩阵和不确定度数据矩阵；基于预设组数、预设因子数、所述浓度数据矩阵、所述不确定度数据矩阵和正矩阵分解受体软件，确定预设组数组的因子矩阵组；所述因子矩阵组包括：因子贡献矩阵和因子分布矩阵；基于目标函数确定目标因子分布矩阵；所述目标分布函数是关于所述因子贡献矩阵和所述因子分布矩阵的函数；将所述因子分布矩阵与源成分谱进行对比，确定各污染物对应污染源的类型；所述类型包括：运输、生物质燃烧、固定矿物燃料燃烧、工业加工和溶剂利用。2.根据权利要求1所述的污染源类型的确定方法，其特征在于，所述浓度数据矩阵的构建过程，具体包括：以所述采样时间为行标识，以所述种类名称为列标识，以污染物的浓度为元素，构建所述浓度数据矩阵。3.根据权利要求1所述的污染源类型的确定方法，其特征在于，所述不确定度数据矩阵的构建过程，具体包括：判断各所述污染物的浓度是否大于元素测量仪器的最小检测限；所述元素检测仪器为用于检测所述污染物的浓度的设备；若是，则根据预设不确定度百分比、污染物的浓度和元素测量仪器的最小检测限，计算对应污染物的不确定度；若否，则根据元素测量仪器的最小检测限，计算对应污染物的不确定度；以所述采样时间为行标识，以所述种类名称为列标识，以污染物的不确定度为元素，构建所述浓度数据矩阵。4.根据权利要求3所述的污染源类型的确定方法，其特征在于，根据预设不确定度百分比、污染物的浓度和元素测量仪器的最小检测限，计算对应污染物的不确定度通过第一不确定度公式实现，所述第一不确定度公式为：其中，Unc为污染物的不确定度；EF为预设不确定度百分比；c为污染物的浓度；MDL为元素测量仪器的最小检测限。5.根据权利要求1所述的污染源类型的确定方法，其特征在于，所述目标函数的表达式为：其中，Q为目标函数值；i为所述采样时间的序号；n为采样时间总数；j为所述污染物的序号；m为污染物总数；x
ij
为所述浓度数据矩阵中第i个采样时间的第j个污染物的浓度；k为因子的序号；p为所述预设因子数；u
ij
为所述不确定度矩阵中第i个采样时间的第j个污染物的不确定度；g
ik...

【专利技术属性】
技术研发人员：程鹏，黄伟超，陈冰娜，
申请(专利权)人：暨南大学，
类型：发明
国别省市：