【技术实现步骤摘要】
本申请涉及环境污染物来源解析的研究领域，具体涉及一种基于综合偏离度的污染物溯源方法及装置、电子设备。
技术介绍
1、污染源解析是一种识别环境中污染物来源及其贡献的方法，是环境管理和科学研究的重要手段。受体源解析方法是当前污染源解析的主流方法之一，其中pmf模型是大气、土壤和水环境污染源解析的常用方法。pmf模型全称为正定矩阵因子分解模型(positivematrix factorization model)，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，使用多线性多次迭代算法识别因子数量和因子贡献。pmf模型基础运算结果误差评估方法主要有经典引导法(bs)、因子元素位移法(disp)和位移增强引导法(bs-disp)等。pmf模型在给出污染源识别的同时，还能得出确切的污染源的浓度与贡献，近年来被广泛应用于多种环境介质的污染源解析研究中。根据pmf模型结果，其污染源是通过因子指代的，需要研究者判断污染源的类型，因此客观、准确地判断污染源对于精准源解析具有重要意义。尽管pmf模型被广泛应用于大气、水和土壤等环境介质中污染物的来源解析，当前pmf模型污染源主要依靠研究人员的经验进行主观判断。这种主观判断模型污染源的方法存在较大的偏差，不利于污染源的精准识别。
技术实现思路
1、本申请实施例的目的是提供一种基于综合偏离度的污染物溯源方法及装置、电子设备，以解决现有pmf模型对污染源识别较主观性而导致偏差较大，不利于污染源的精准识别的
2、根据本申请实施例的第一方面，提供一种基于综合偏离度的污染物溯源方法，包括：
3、收集实测污染源和受体样品浓度数据，构建受体样品浓度和不确定度数据矩阵；
4、将所述受体样品浓度和不确定度数据矩阵导入正定矩阵因子分解模型，得到基础运算结果，其中所述正定矩阵因子分解模型包括经典引导法、因子元素位移法和位移增强引导法的基础运算结果误差评估模块，以及优化基础运算结果的旋转运算模块；
5、在正定矩阵因子分解模型基础运算结果误差评估模块中至少选择经典引导法、因子元素位移法和位移增强引导法中一个运算对基础运算结果进行误差评估，得到误差评估结果；
6、根据所述的误差评估结果，优化正定矩阵因子分解模型参数设置，进行旋转运算，得到源解析因子污染物浓度与贡献；
7、根据实测污染源浓度数据和源解析因子污染物浓度与贡献，选取特征污染物浓度，计算实测污染源和源解析因子特征污染物的化学计量比和偏离度；
8、根据所述实测污染源和源解析因子特征污染物的化学计量比和偏离度，计算综合偏离度并识别源解析因子污染源。
9、根据本申请实施例的第二方面，提供一种基于综合偏离度的污染物溯源装置，包括：
10、收集处理模块，用于收集实测污染源和受体样品浓度数据，构建受体样品浓度和不确定度数据矩阵；
11、基础运算模块，用于将受体样品浓度和不确定度数据矩阵导入正定矩阵因子分解模型，得到基础运算结果，其中所述正定矩阵因子分解模型包括经典引导法、因子元素位移法和位移增强引导法的基础运算结果误差评估模块，以及优化基础运算结果的旋转运算模块；
12、误差评估模块，用于在正定矩阵因子分解模型基础运算结果误差评估模块中至少选择经典引导法、因子元素位移法和位移增强引导法中一个运算对基础运算结果进行误差评估，得到误差评估结果；
13、参数优化模块，用于根据所述的误差评估结果，优化正定矩阵因子分解模型参数设置，进行旋转运算，得到源解析因子污染物浓度与贡献；
14、第一计算模块，根据实测污染源浓度数据和源解析因子污染物浓度与贡献，选取特征污染物浓度，计算实测污染源和源解析因子特征污染物的化学计量比和偏离度；
15、第二计算模块，用于根据所述实测污染源和源解析因子特征污染物的化学计量比和偏离度，计算综合偏离度并识别源解析因子污染源。
16、根据本申请实施例的第三方面，提供一种电子设备，包括：
17、一个或多个处理器；
18、存储器，用于存储一个或多个程序；
19、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述方法的步骤。
20、根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面所述方法的步骤。
21、本申请的实施例提供的技术方案可以包括以下有益效果：
22、本申请采用在特征污染物化学计量比和偏离度基础上计算综合偏离度指标，并利用该指标直接判断pmf模型源解析因子与实测污染源对应关系的技术手段，克服了pmf模型等源未知受体源解析方法对污染源识别的主观性问题，进而达到了有效降低源解析因子源识别的不确定性，实现增强pmf模型源识别可靠性的技术效果。
23、本申请采用算术加权法，综合了多种元素或污染物的比例信息，进一步计算综合偏离度的技术手段，克服了传统比值法只能采用少数元素比例协助判断污染源，难以充分利用不同元素比例的信息，且具有较强的主观性的问题，进而达到了对传统比值法的升级和加强，且根据综合偏离度单个指标实现对多种元素或污染物比例相似性的判断，达到了有效提升了污染源识别的精度和效率的技术效果。
24、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，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种基于综合偏离度的污染物溯源方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，收集实测污染源和受体样品浓度数据，构建受体样品浓度和不确定度数据矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，将受体样品浓度和不确定度数据矩阵导入正定矩阵因子分解模型，得到基础运算结果，包括：
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，基于误差评估结果，优化正定矩阵因子分解模型参数设置，进行旋转运算，得到源解析因子污染物浓度与贡献，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述实测污染源浓度数据和源解析因子污染物浓度与贡献，选取特征污染物的浓度，计算实测污染源和源解析因子特征污染物的化学计量比和偏离度，包括：
7.根据权利要求6所述的方法，其特征在于，根据所述实测污染源和源解析因子特征污染物的化学计量比和偏离度，计算综合偏离度并识别源解析因子污染源，包括：
8.一种基于综合偏离度的污染物溯源装置，其特征在于，包括：
9.
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于综合偏离度的污染物溯源方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，收集实测污染源和受体样品浓度数据，构建受体样品浓度和不确定度数据矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，将受体样品浓度和不确定度数据矩阵导入正定矩阵因子分解模型，得到基础运算结果，包括：
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，基于误差评估结果，优化正定矩阵因子分解模型参数设置，进行旋转运算，得到源解析因子污染物浓度与贡献，包括：
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：高伟，盛雅婧，张远，蔡宴朋，郭芬，李飞龙，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。