[发明专利]一种基于BP神经网络模型预测大气重金属浓度的方法

说明书

技术领域

本发明涉及大气污染研究技术领域，具体是涉及一种基于BP神经网络模型预测大气重金属浓度的方法。

背景技术

大气中的重金属污染有自然来源和人为来源两种，由宇宙天体作用及地球上各种地质作用而使某些重金属元素进入大气中属于自然来源，人为来源的重金属主要为工业生产、汽车尾气排放及汽车轮胎磨损产生的大量含重金属的有害气体和粉尘等。随着机动车日趋增多，随之产生的大气重金属污染愈发的严重，已有研究表明大气重金属污染对人体健康，动植物生态毒理等方面有着显著的影响，这些重金属元素包括铅、铜、镉、砷、铬、镍、硒、汞等元素，还包括营养元素铁，对海生生物有影响的铝。重金属对环境的危害首先取决于其自身的物理化学性质，再次是环境中的含量，当这些重金属在动物体内积累到一定程度时,即会直接影响动物的生长发育、生理生化机能，直至引起动物的死亡，同时重金属也可以沿食物链通过消化系统被人体吸收，对人群的危害极大。因此对大气中重金属浓度的方监测就显得尤为重要。

目前对重金属的监测大部分采用膜或撞击器进行预浓缩采样，再通过AAS(原子吸收光谱)，ICP-MS(电感耦合等离子体质谱)等检测仪器测量，AAS及ICP-MS可以同时检测多种重金属元素，检测限低，灵敏度高。但是由于这种离线分析的方式时间分辨率不高，难以满足研究重金属元素迁移转化的需要，而且ICP-MS价格昂贵，操作复杂也不易于推广使用。利用XRF(X射线荧光光谱分析)技术的检测仪器也是一种基于膜采样的半连续检测仪器，虽然一定程度上提高了时间分辨率，而且其检测属于无损检测，能进行多种元素同时检测，但其昂贵的价格使得该仪器不易于推广。所以现有的重金属监测技术难以满足实时、大范围监测，重金属在线检测是现在大气重金属研究领域的一大难题。

目前，虽然很多城市已经建立了大气颗粒物的监测站，但由于存在天气条件、人工因素及其他不可操控的原因，很多站点的数据都会缺失或断节，而对于大气颗粒物中重金属的监测分析的研究工作就更加缺乏。相关研究已借助多元线性回归模型、人工神经网络、支持向量机等线性或非线性数学方法成功建立起了大气污染物(包括SO2、CO、NO2、O3、PM2.5等)的预测模型，但关于预测大气颗粒物中重金属浓度的研究鲜有报道。因此，对典型城市大气颗粒物中重金属污染种类、时空分布规律、污染源进行识别并建立评估我国城市大气重金属污染特征的快速预测模型，对我国城市大气重金属的污染防控具有极其重要的意义。

发明内容

的目的是提供一种基于BP神经网络模型预测大气重金属浓度的方法，用于预测与评估区域大气重金属的浓度，为相应防控措施的制定等工作提供支撑。

本发明的技术方案是：

一种基于BP神经网络模型预测大气重金属浓度的方法，包括以下步骤：

1)典型小研究区域选择：

选择具有典型代表性的研究区域，典型的小研究区应具备以下几项基本特征：第一，该区域具备典型的交通活动、建筑施工和生活排放，且产生大量气体、颗粒物、道路扬尘；第二，该区域存在高耗能企业及污染排放大户，该区域的空气污染受到工业污染短距离传输的影响，对人体健康具有隐患；第三，该区域的气象数据完备，模型模拟精度高；第四，该区域大气样品容易获取；

2)研究区域气象数据获取：按照步骤1)的要求选定研究区域，确定采样点，使用常规大气颗粒物分级采样器采集大气颗粒物，同步记录采样点附近自动监测站的气象数据，包括：温度、湿度、气压和风速；

3)研究区域大气颗粒物浓度数据获取：分析测试大气颗粒物中重金属的浓度，提取和分析重金属元素主要包括：Al、As、Cd、Cr、Cu、Fe、Ni、Pb和Zn；提取方法为：将1/8大小的样品滤膜剪成细条状于消解管后，使用混酸HNO3-HCl-HF-HClO4来提取重金属总量，然后待测溶液中金属元素的浓度采用电感耦合等离子体发射光谱仪及电感耦合等离子体质谱测定；

4)研究区域大气颗粒物浓度数据检验：采用Grubbs法对所测大气颗粒物原始数据中特异值进行检验和剔除；采用SPSS19.0进行数据的正态分布检验；

5)数据分析：分析大气颗粒物中重金属浓度与气象数据和对应粒径大气颗粒物浓度的相关关系；借助SPSS23.0将大气颗粒物中14种重金属浓度与气象数据(温度、湿度、气压、风速)和对应粒径大气颗粒物浓度进行多元线性相关性分析，相关性系数越高，表明两者相关性越好；