[发明专利]一种大气污染物来源的解析方法、装置、存储介质及终端

说明书

本发明公开了一种大气污染物来源的解析方法、装置、存储介质及终端，所述方法包括：根据第一模型确定的各项关键参数属性，运行第二模型，对大气污染物数据进行解析，生成至少包括大气污染物来源解析结果的解析文件；因此，采用本申请实施例，不仅能够通过第一模型确定第二模型中的各项关键参数属性；还能够根据第一模型确定的各项关键参数属性，运行第二模型，对大气污染物数据进行自动解析，生成至少包括大气污染物来源解析结果的解析文件，这样，能够自动确定第二模型中的各项关键参数属性，不仅节省了大量的人力和物力，还能够提升第二模型对大气污染物数据的解析效率。

技术领域

本发明涉及计算机技术领域，特别涉及一种大气污染物来源的解析方法、装置、存储介质及终端。

背景技术

VOCs(Volatile Organic Compounds，挥发性有机物)是大气中普遍存在且组成复杂的一类有机污染物。其污染主要表现在两个方面，一方面，多数VOCs本身具有毒理特性，危害人体健康。另一方面，一些VOCs物种具有较强的光化学反应活性，能在环境中进行二次转化。其光化学反应主导着光化学烟雾的进程，对城市和区域臭氧的生成至关重要，也是导致灰霾天气的重要前体物之一。总之，挥发性有机物是复合型大气污染形成的重要原因之一。

NAQPMS(Nested Air Quality Prediction Modeling System，嵌套网格空气质量预报模式)是基于“一个大气”理念设计的第三代空气质量模式。NAQPMS全面考虑了大气污染物在大气中的平流、扩散、干湿沉降以及化学转化等过程。NAQPMS模式耦合的污染在线源追踪技术从源排放开始对各种物理、化学过程进行分源类别、分地域的质量追踪，可以跟踪污染物来源，定量分析输送过程及区域污染排放贡献率。NAQPMS等数值预报模式的分析需要基于较为详细的排放源清单，所以大气污染物来源解析成为数值预报模式应用的基础和前提条件。

1997年，Paatero发表论文提出了PMF模型的运算方法。PMF(Positive MatrixFactorization，正定矩阵因子分解法)是在因子分析方法基础上发展起来的一种新的分析方法，并很快在国际上得的推广和使用。该方法主要基于环境受体点颗粒物样品的化学组分数据，不直接依赖于污染源的化学成分谱资料，因此其应用具有更大的灵活性。PMF是一种多变量因子分析工具，它将一个含有多个日期、不同组分的样品数据矩阵分解为两个矩阵，即源谱分布矩阵和源贡献矩阵，然后依据掌握的源谱分布的信息来决定分解出的源的类型，对于源的数量也依据分析者对污染源的理解给定，数量没有限制。在Paatero提出了PMF模型的运算方法之后，Paatero和Hopke不断对PMF模型进行改进，并在美国EPA官方网站上推出了EPAPMF软件。Paatero也自主推出了PMF2和PMF3模型软件。自从基于PMF模型的PMF软件推出以来，在对污染物源解析的过程中发挥了重要的作用。

PMF模型是源未知类受体模型的一种，源未知类受体模型无需事先知道源的数量和成分谱的信息，它根据在同一受体上测得大量的数据，对这些数据进行解析，提取出多个因子，并将这些因子一一对应识别为不同的污染源类型，从而得到源的数目和源的成分谱，并估算出这些污染源类对受体的贡献值。但目前通过PMF模型对污染物源解析，生成对应解析结果的过程不仅繁琐，还需要操作人员有专业的知识和操作技能。

目前，使用基于PMF模型的PMF软件对污染物源解析的过程中，人工经验占比高，结果准确性往往依赖操作人员的操作经验。而且，在对污染物源的解析过程，需要操作人员多次调整各项参数。对于初学者来说，在对污染物源的解析过程中，很难识别各项因子，因此，也很难得到合理的解析结果。在得到最初的解析结果之后，更加无法结合不同地区的污染物信息，对最初的解析结果进行调整。总之，通过现有的PMF模型的PMF软件，对不同地区的污染物源进行解析，得到解析结果的过程不仅繁琐，还需要投入大量的人力物力和时间，还无法确保得到的解析结果是准确的。

发明内容