[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

摘要

本发明涉及对大气颗粒物PM_2.5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PM_2.5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。

主权项

1.基于支持向量机和树叶磁学的大气颗粒物浓度监测方法，其特征在于，包括以下步骤：(1)树叶样品采集：在待测城市目标区域内多个监测站点分别选择1-3个常见的典型植物作为采集对象，分别间隔一定时间对其进行采样，采样为期一年，样品采集后放入自封袋，冷藏保存，备用；(2)树叶磁学参数测试：将采集到的各个树叶样品分别进行预处理后，分别称取2g样品置于用于磁学参数测试的圆柱状聚乙烯样品盒中，压实；分别测量得到各个样品的体积磁化率(κ)、质量磁化率(χ)、非磁滞剩磁(ARM)、等温剩磁(IRM1T)及样品的饱和等温剩磁(SIRM)；(3)大气颗粒物浓度与树叶磁学参数的相关性分析：使用SPSS 23.0软件将PM2.5和PM10同步监测的4天移动平均浓度值与树叶磁学参数进行皮尔逊相关性分析，得到PM2.5和PM10浓度与各个树叶样品的三个磁学参数χ、ARM和SIRM的相关性及相关性系数，根据各个样品的磁学参数与颗粒物浓度的相关性进行高低排序，分别进行下面的建模研究；(4)支持向量机模型构建：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即RBF核函数epsilon-SVR模型，以PM2.5和PM10浓度作为输出层，以“树叶磁学参数”作为输入参数，通过交叉试验的方法选取模型最佳核函数g值及惩罚因子c值，分别建立PM2.5和PM10浓度的磁学模拟模型；模型如下： y ( x ) = Σ i = 1 l ( α i - α i * ) K ( x i , x ) + b - - - ( 1 ) ]]>其中，xi为预测输入样本，y(x)为预测值，b为偏置量；αi和是拉格朗日乘子，满足以下条件： α i , α i * ∈ [ 0 , C ] - - - ( 2 ) ]]> Σ i = 1 l ( α i - α i * ) = 0 - - - ( 3 ) ]]>其中，K为核函数，其表达式为： K ( x , y ) = exp ( - | | x - y | | 2 2 δ 2 ) - - - ( 4 ) ]]>

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学，未经南京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201711210523.9/，转载请声明来源钻瓜专利网。