CN105184000A - 基于朴素贝叶斯源识别的非负约束因子的污染源解析方法 - Google Patents

Abstract

本发明公开了基于朴素贝叶斯源识别的非负约束因子的污染源解析方法，用于水体中多环芳烃污染源的解析，该方法共包括八个步骤，从确定调查区域开始，经过基础资料收集，调查污染源行业企业对环境的影响程度，建立各类排放源中多环芳烃污染物的指纹图谱，处理指纹图谱得到污染源受体样本，再应用朴素贝叶斯源方法对污染源受体样本进行训练，应用非负约束因子分析方法进行计算，最后利用训练好的分类模型针对各高因子得分的主要污染源因子实现因子荷载的污染源贡献率的计算，实现多环芳烃污染物的源解析。该方法能够快速、准确的追溯水体中多环芳烃污染物的来源，能够为制定流域多环芳烃污染控制对策及流域水环境质量改善提供有力的技术支持。

Description

基于朴素贝叶斯源识别的非负约束因子的污染源解析方法

技术领域

本发明属于水体中污染源解析的方法，具体涉及一种基于朴素贝叶斯源识别的非负约束因子的污染源解析方法。

背景技术

源解析(sourceapportionment)是研究污染源对周围环境污染的影响和作用的一种方法。当前针对污染源解析的研究很少，主要的污染源解析方法就是通过对源谱和因子荷载的图形观察实现定性比较，或通过计算源谱和因子荷载的偏差实现半定量比较。这些方法多没有考虑污染源谱的非线性特征，解析结果不能真实反映因子荷载与污染源谱的对应关系。

多环芳烃（PolycyclicAromaticHydrocarbon，PAHs）污染源是指由两个以上的苯环以线性排列、弯接或簇聚的方式构成的一类有机化合物，是一类广泛存在于环境中的持久性有机污染物。通常我们所说的多环芳烃污染源是指PAHs中优先控制的16种，分别是萘、二氢苊、苊、芴、菲、蒽、荧蒽、芘、苯并(a)蒽、屈、苯并(b)荧蒽、苯并(k)荧蒽、苯并(a)芘、茚并(1,2,3-ed)芘、二苯并(a,h)蒽、苯并(ghi)芘。

由于多环芳烃具有强致癌特性，在水体中即使微量存在，通过迁移转化，也会严重威胁水体生物和人类的健康。而只有对水体中多环芳烃的来源进行明确的分析才能制定有效的治理方案，因此水体中多环芳烃污染源解析工作非常重要。

传统的水体中污染物源解析技术只能大致给出对环境受体贡献较大的污染源类别，而不能给出具体排放源对受体贡献的大小，缺乏对污染防治工作的实际指导意义。

发明内容

本发明的目的是克服传统水体中污染源解析技术的缺点，针对水体中多环芳烃污染，提供一种基于朴素贝叶斯源识别的非负约束因子的污染源解析方法。

为了实现本发明所述目的，发明人提供了以下技术方案。

基于朴素贝叶斯源识别的非负约束因子的污染源解析方法，包括以下操作步骤：

步骤一，确定水体多环芳烃污染源调查区域。

根据水流域沿线城市总体规划以及工业产业布局，选择排放源复杂、多环芳烃污染严重的区域作为调查区域。

步骤二，针对确定的多环芳烃污染源调查区域，收集基础资料，进行实地调查，确定要进一步调查的污染源行业企业名单；检测污染水体中的多环芳烃，建立多环芳烃污染信息数据集。

基础资料包括群众投诉、污染源普查数据库、污染源档案、环境监测资料、环评报告。收集基础资料的目的是为了掌握调查区域内多环芳烃污染行业企业分布，从中筛选出具有代表性、影响较为突出的行业企业（比如石化、焦炉等易产生多环芳烃污染的工业），确定要进一步调查的污染源行业企业名单。

对重点污染源进行实地调查(包括布点、采样和分析测试)。根据污染源的生产工艺、生产流程、污染物的产生机制以及排放形式等因素，参照污染源调查规范，确定布点和采样方法。监测指标包括成分浓度指标。

步骤三，分析不同情况下，调查区域内的污染源行业企业对环境的影响程度。

不同情况包括：①单个污染源位于环境敏感点；②多个不同类型的污染源位于环境敏感点；③多个相同类型的污染源位于环境敏感点。第①种情况下，根据污染源与环境敏感点的相对位置关系，制定相应的监测方案，分析污染源对环境敏感点的影响程度。第②种情况下，根据各污染源的特征污染物质进行分析判别。第③种情况比较复杂，需对污染源的源强进行测试，并结合数学模型判定各污染源的影响大小。

步骤四，建立各类排放源中多环芳烃污染物的指纹图谱。

各类排放源是指柴油机、汽油机、工业燃煤、民用燃煤、交通隧道、木材燃烧和焦炉源。

步骤五，采用Matlab软件编程，将步骤四得到的指纹图谱转化为计算机能够接受的数量化矩阵，对数据进行标准化处理，消除量纲影响，得到污染源受体样本。

步骤六，应用朴素贝叶斯源方法对污染源受体样本进行训练，包括：

第一步，将未知参数θ视为随机变量(或向量)，当θ已知量时，样本x的联合分布密度就看成x对θ的条件密度，记为；

第二步，根据参数θ的已知信息来确定先验分布；

第三步，利用条件分布密度和先验分布，求出x与θ的联合分布和样本x的分布，进而求得后验分布密度；

第四步，利用后验概率密度作出对θ的推断(估计θ或对θ作检验)，进行分类训练；

第五步，通过分类训练得到基于朴素贝叶斯子分类模型。

步骤七，应用非负约束因子分析方法进行计算，包括：

第一步，将监测点采样得到的多环芳烃的检测数据进行标准化处理；

为解决不同污染物浓度的量纲不匹配，消除分析过程的偏差，需要对样品数据进行标准化处理，目前主要有均值标准化方法和指数标准化方法两种。

均值标准化：

指数标准化：

——标准化后的数据矩阵；

D——样品数据；

——样品中某污染物的采样平均值；

——样品中某污染物浓度的最小值；

——样品中某污染物浓度的最大值。

第二步，提取主成分因子数；

主成分因子数的确定是源解析的重要内容，它主要由特征值、累计方差贡献率、决定系数和Enter函数确定。

特征值大于1的所有因子作为主因子。

累计方差贡献率CV值大于85%。

P为显著性因子个数；m为污染物个数；λ为特征值。

决定系数大于0.9。

公式中为对应于第j个污染物的决定系数；n为显著性因子选取个数；为第i个样品中第j项污染物的值；为运算后第i个样品中第j项污染物的值；为所有样品中第j项污染物的平均值。

Enter函数小于0.1。

其中，为Enter函数值；r，m，n分别为样品、污染物和源的个数，其余符号的含义同上。的值理论上可以从0到无穷大，一般认为小于0.1结果良好。

第三步，因子分解；

显著性因子包括：特征值、特征向量、因子荷载矩阵和因子得分矩阵。为方便起见，标准化后的样品数据矩阵仍用D表示。

D——标准化后的数据矩阵；

——矩阵D的转置矩阵；

另Z的特征值矩阵为A，特征向量矩阵为B，因为特征向量矩阵是正交矩阵，则,I为单位矩阵。矩阵M可以表示为：

因子荷载矩阵C和因子得分矩阵E可由以下公式得出：

,

因子载荷矩阵C对应主要污染源的成分谱，因子得分矩阵E对应主要污染源的贡献率。

第四步，非负约束因子旋转。

将因子荷载矩阵C和因子得分矩阵E通过下式进行非负约束斜交旋转，T为转换矩阵。

是将因子得分矩阵E中的负值换为0值后所得到的矩阵，然后将矩阵E和C进行如下旋转：

同理，另一个转换矩阵N可根据旋转后的因子荷载矩阵计算得到：

其中是把旋转后的因子荷载矩阵中的负值转换为0值后得到的矩阵。根据下式继续进行非负旋转：

由上述过程迭代多次，直到因子荷载中的负值的平方和小于某设定值ξ=0.0001，迭代过程终止，最终得到因子荷载矩阵C和因子得分矩阵E。

步骤八，利用训练好的分类模型针对各高因子得分的主要污染源因子实现因子荷载的污染源贡献率的计算，实现多环芳烃污染物的源解析。

本发明所述所述多环芳烃污染物是指美国国家环保总局提出的优先控制的16种多环芳烃污染物。即萘、二氢苊、苊、芴、菲、蒽、荧蒽、芘、苯并(a)蒽、屈、苯并(b)荧蒽、苯并(k)荧蒽、苯并(a)芘、茚并(1,2,3-ed)芘、二苯并(a,h)蒽、苯并(ghi)芘。

本发明的的优点如下：

（1）全面揭示了水中多环芳烃源排放组成特征，并筛选出能够指示污染来源的特征标识物，克服了现有技术不能给出具体排放源对受体贡献大小的缺陷。

（2）能够快速、准确的追溯水体中多环芳烃污染物的来源，并量化各污染源的贡献率，实用性强，有广泛的推广应用价值。

（3）能够为制定流域多环芳烃污染控制对策及流域水环境质量改善提供技术支持。环境管理部门面对水多环芳烃污染问题时，可以应用本发明所述方法，迅速识别污染源，从而进行有污染防控，为环境管理部门应对多环芳烃污染事故、控制污染风险提供了可靠的技术保障。

附图说明

图1为本发明所述污染源解析方法的流程图。

图2-9为实施例中测试数据和实际数据的朴素贝叶斯分类测试对比图。

具体实施方式

下面结合具体实施例对本发明所述内容做进一步详细的说明。

实施例

松花江是我国七大河流之一，水资源总量居全国第三位，发明人以松花江干流哈尔滨—佳木斯段为多环芳烃污染源调查区域，以国控或省控的监测断面作为采样断面，分别为肇源、阿什河口下、呼兰河口上、牡丹江下、佳木斯上、江南屯、同江、小黑河和街津口。通过测定水样中的16种多环芳烃含量，对干流哈尔滨—佳木斯段的多环芳烃污染情况进行源解析，多环芳烃主要8类污染源类型为电厂、柴油机、汽油机、工业燃煤，民用燃煤、交通隧道、木材燃烧和焦炉源。通过源解析结果追根溯源对该沿江段的工企业进行规划监督及管理。

确定美国环保总局（EPA）提出的有限控制的16种多环芳烃为源解析目标污染物，分别为萘、二氢苊、苊、芴、菲、蒽、荧蒽、芘、苯并(a)蒽、屈、苯并(b)荧蒽、苯并(k)荧蒽、苯并(a)芘、茚并(1,2,3-ed)芘、二苯并(a,h)蒽、苯并(ghi)芘。

通过朴素贝叶斯方法进行污染物的识别模型的训练，以下为训练步骤：

将8组污染源指纹图谱在标准偏差40%的范围内取56组数据对基于朴素贝叶斯方法的污染源分类进行学习训练和测试，各训练样本和测试样本如表1所示，测试数据和实际数据的对比结果见附图2-附图9。

表1训练和测试样本分组表

组别	训练样本	测试样本	组别	训练样本	测试样本
						1	48	8	5	32	24
2	42	14	6	28	28
						3	40	16	7	14	32
4	36	20	8	16	40

由附图2-9可知利用朴素贝叶斯方法对PAHs的8类污染源指纹图谱进行源识别是很理想的。

利用非负约束因子方法推测出的多环芳烃污染源做为朴素贝叶斯污染源分类模型的训练样本并进行验证，对8个子分类器进行训练，同时将模型推测出的污染源指纹谱作为测试样本输入模型中，输入到训练好的朴素贝叶斯分类模型子分类器中，得到的识别结果见表2。

表2朴素贝叶斯识别的污染源结果

主成分因子1	主成分因子2	主成分因子3	主成分因子4
				焦炉	电厂	交通燃烧	汽油发动机

利用公式对污染源的指纹谱和污染源成分谱间的差值平方和进行计算。

式中，SS表示因子荷载与污染源指纹谱的相似性；和分别表示因子荷载和污染源指纹谱的PAHs值；p和m分别表示显著性因子数（污染源数）和PAHs污染物个数。

焦炉、电厂汽油发动机和交通燃烧与主成分1间的差值平方和分别为0.0004、0.04650.0501和0.0401；焦炉、电厂汽油发动机和交通燃烧与主成分1间的差值平方和分别为0.0471、0.0004、0.0528和0.0154；焦炉、电厂汽油发动机和交通燃烧与主成分1间的差值平方和分别为0340、0.0154、0.0332和0.0007；焦炉、电厂汽油发动机和交通燃烧与主成分1间的差值平方和分别为0.0474、0.0489、0.0007和0.0274。显然主成分1与焦炉，主成分2与电厂，主成分3与交通燃烧，主成分4与汽油发动机的相似值最小，相关性最好，与朴素贝叶斯污染源的识别结果一致。

污染源识别及解析结果表明：4个主成分因子分别为焦炉、电厂、交通燃烧和汽油发动机，通过非负约束因子分析方法计算出的贡献率分别为68.10%、26.14%、2.98%和1.19%。通过和PAHs污染源指纹谱对比，基本吻合，因污染源谱的不确定性，模型推测原谱在指纹谱的合理误差范围之内。

Claims (4)

1.基于朴素贝叶斯源识别的非负约束因子的污染源解析方法，其特征在于，包括以下操作步骤：

步骤一，确定水体多环芳烃污染源调查区域；

根据水流域沿线城市总体规划以及工业产业布局，选择排放源复杂、多环芳烃污染严重的区域作为调查区域；

步骤二，针对确定的多环芳烃污染源调查区域，收集基础资料，进行实地调查，确定要进一步调查的污染源行业企业名单；检测污染水体中的多环芳烃，建立多环芳烃污染信息数据集；

步骤三，分析不同情况下，调查区域内的污染源行业企业对环境的影响程度；

不同情况包括：①单个污染源位于环境敏感点；②多个不同类型的污染源位于环境敏感点；③多个相同类型的污染源位于环境敏感点；

步骤四，建立各类排放源中多环芳烃污染物的指纹图谱；

步骤五，采用Matlab软件编程，将步骤四得到的指纹图谱转化为计算机能够接受的数量化矩阵，对数据进行标准化处理，消除量纲影响，得到污染源受体样本；

步骤六，应用朴素贝叶斯源方法对污染源受体样本进行训练，包括：

第一步，将未知参数θ视为随机变量(或向量)，当θ已知量时，样本x的联合分布密度就看成x对θ的条件密度，记为；

第二步，根据参数θ的已知信息来确定先验分布；

第三步，利用条件分布密度和先验分布，求出x与θ的联合分布和样本x的分布，进而求得后验分布密度；

第四步，利用后验概率密度作出对θ的推断(估计θ或对θ作检验)，进行分类训练；

第五步，通过分类训练得到基于朴素贝叶斯子分类模型；

步骤七，应用非负约束因子分析方法进行计算，包括：

第一步，将监测点采样得到的多环芳烃的检测数据进行标准化处理；

均值标准化：

指数标准化：

——标准化后的数据矩阵；

D——样品数据；

——样品中某污染物的采样平均值；

——样品中某污染物浓度的最小值；

——样品中某污染物浓度的最大值；

第二步，提取主成分因子数；

特征值大于1的所有因子作为主因子，

累计方差贡献率CV值大于85%，

P为显著性因子个数；m为污染物个数；λ为特征值，

决定系数大于0.9，

公式中为对应于第j个污染物的决定系数；n为显著性因子选取个数；为第i个样品中第j项污染物的值；为运算后第i个样品中第j项污染物的值；为所有样品中第j项污染物的平均值；

Enter函数小于0.1，

其中，为Enter函数值；r，m，n分别为样品、污染物和源的个数，其余符号的含义同前；的值理论上可以从0到无穷大；

第三步，因子分解；

显著性因子包括：特征值、特征向量、因子荷载矩阵和因子得分矩阵，

D——标准化后的数据矩阵；

——矩阵D的转置矩阵；

另Z的特征值矩阵为A，特征向量矩阵为B，因为特征向量矩阵是正交矩阵，则,I为单位矩阵，矩阵M可以表示为：

因子荷载矩阵C和因子得分矩阵E可由以下公式得出：

,

因子载荷矩阵C对应主要污染源的成分谱，因子得分矩阵E对应主要污染源的贡献率；

第四步，非负约束因子旋转，

将因子荷载矩阵C和因子得分矩阵E通过下式进行非负约束斜交旋转，T为转换矩阵，

是将因子得分矩阵E中的负值换为0值后所得到的矩阵，然后将矩阵E和C进行如下旋转：

同理，另一个转换矩阵N可根据旋转后的因子荷载矩阵计算得到：

其中是把旋转后的因子荷载矩阵中的负值转换为0值后得到的矩阵，根据下式继续进行非负旋转：

由上述过程迭代多次，直到因子荷载中的负值的平方和小于某设定值ξ=0.0001，迭代过程终止，最终得到因子荷载矩阵C和因子得分矩阵E；

步骤八，利用训练好的分类模型针对各高因子得分的主要污染源因子实现因子荷载的污染源贡献率的计算，实现多环芳烃污染物的源解析。

2.根据权利要求1所述的基于朴素贝叶斯源识别的非负约束因子的污染源解析方法，其特征在于，步骤二所述基础资料包括群众投诉、污染源普查数据库、污染源档案、环境监测资料、环评报告。

3.根据权利要求1所述的基于朴素贝叶斯源识别的非负约束因子的污染源解析方法，其特征在于，步骤四所述各类排放源是指柴油机、汽油机、工业燃煤、民用燃煤、交通隧道、木材燃烧和焦炉源。

4.根据权利要求1所述的基于朴素贝叶斯源识别的非负约束因子的污染源解析方法，其特征在于，步骤一所述多环芳烃是指萘、二氢苊、苊、芴、菲、蒽、荧蒽、芘、苯并(a)蒽、屈、苯并(b)荧蒽、苯并(k)荧蒽、苯并(a)芘、茚并(1,2,3-ed)芘、二苯并(a,h)蒽、苯并(ghi)芘。