[发明专利]基于支持向量机和树叶磁学的大气重金属污染评估方法

摘要

本发明公开了一种基于支持向量机和树叶磁学的大气重金属污染评估方法，包括以下步骤:S1:大气颗粒物样品采集；S2:树叶样品采集；S3:大气颗粒物重金属提取及分析；S4:树叶样品磁学参数测试；S5:支持向量机磁学模型构建；S6:模型误差评估；S7:模型实际应用。总之，本发明所提供的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，搭建环磁学与重金属污染定量化评价的桥梁，拓展利用环境磁学评价大气污染的方法和技术；所构建的模型可用于城市大气颗粒物重金属污染水平的快速模拟和预测，进而识别、把握城市大气重金属污染状况和变化趋势，为大气重金属污染综合防控提供重要参考。 1

主权项

1.一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，包括以下步骤：

S1:大气颗粒物样品采集

使用中流量采样装置收集大气颗粒物PM_2.5，采样介质使用高纯石英膜，采样前后滤膜均恒温恒湿48h并称重，所述恒温恒湿条件为温度20‑25℃，湿度40‑50％；按一定条件进行采样；

S2:树叶样品采集

在距离大气颗粒物采样点1km范围内调查常青灌木或乔木分布情况，以1‑3种树木作为研究对象，采集叶片，每4天进行一次与颗粒物的同步采样，采样时佩戴一次性手套，避免其他物品直接接触树叶样品，与大气颗粒物同步采样，周期为1年；样品放入自封袋带回实验室放入冰箱冷藏室保存，以备测试；

S3:大气颗粒物重金属提取及分析

将大气颗粒物采样膜用陶瓷剪刀剪下1/2，并剪成条状碎片，置于消解管中，加入HF、HNO₃和HCl进行提取；测试消解液中微量元素和测定消解液中大量金属元素；取等面积空白滤膜，按样品处理方法制成空白溶液并检测元素浓度；

S4:树叶样品磁学参数测试

将树叶样品放入烘箱烘干，烘干后剪碎，称取2g样品用保鲜膜包裹放在圆柱状聚乙烯样品盒中，压实待测；测量样品的体积磁化率κ，经密度校正得到样品的质量磁化率χ；进行退磁后，测量样品的非磁滞剩磁ARM，并计算出无磁滞磁化率χ_ARM；对样品进行脉冲磁化后，测试样品的等温剩磁作为饱和等温剩磁SIRM；

S5:支持向量机磁学模型构建

分别以“气象因子+污染物+树叶磁学参数”，以及“树叶磁学参数”作为输入参数，所述气象因子包括：温度、相对湿度、气压和风速；所述污染物包括：PM_2.5、SO₂、NO₂和O₃浓度；所述磁学参数包括：树叶的χ、χ_ARM和SIRM；以PM_2.5中重金属浓度作为输出层，建立大气颗粒物重金属污染磁学评估模型；

S6:模型误差评估

使用相关系数，平均绝对误差和均方根误差来评价模型性能及预测效果；相关系数用于反映变量之间的相关关系密切程度，用于测量模型的拟合性能；平均绝对误差是所有单个模拟值与实测值偏差绝对值的平均值，用于评估模型的预测效果；均方根误差是误差平方和的平均值的平方根，用于判定该模型的可靠性，其计算公式分别如下：

S7:模型实际应用

实际应用中，模型训练完毕后，可针对任意区域任意时间段，采集不同位置用于建模的树种的叶片并分析其磁学参数，然后将“树叶磁学参数”或者“气象因子+污染物+树叶磁学参数”作为输入因子，用上述已训练好的模型预测该区域、该时段该位置对应大气颗粒物重金属的浓度，进而获得重金属浓度的时空分布情况。

2.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，所述S1中，采样方法具体为：按季节采样，每次采样持续4天，每天固定采集8‑12小时，每个样品共采集32‑48个小时，避免大风和雨雪等极端天气，采样为期1年。

3.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，所述S3中，测试消解液中微量元素有As、Cd、Co、Cr、Cu、Mn、Ni、Pb、Sb、Ti、TI和V；测定消解液中大量金属元素有Al、Fe和Zn。

4.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，所述S3中，测试消解液中微量元素有十二种，所述微量元素分别是As、Cd、Co、Cr、Cu、Mn、Ni、Pb、Sb、Ti、TI和V。

5.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，所述S4中，使用陶瓷剪刀进行剪碎。

6.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，所述S4中，脉冲磁化的磁场强度为1000mT。

7.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，所述S5中，随机选择80％的数据作为训练样本，且包含其中的极大值和极小值，剩下的20％作为验证样本。

8.根据权利要求1所述的一种基于支持向量机和树叶磁学的大气重金属污染评估方法，其特征在于，支持向量机用于回归统计的方法具体如下：

设训练样本为(x_i，y_i)，(i＝1，…，l)，建立如下线性回归方程：

其中，为非线性映射函数，ω为法向量，b为偏置量；

进而训练目标可表示为：

且满足以下约束条件：