基于非线性数学方法的PM2.5中重金属浓度模拟

摘要：

2013年在南京市南京大学鼓楼校区和仙林校区采集PM2.5,并测试其中重金属浓度,分析重金属在不同季节和地区的污染特征及其与气象因子、常规大气污染物的相关关系.数据经主成分分析预处理后,使用BP神经网络(BP-ANN)和支持向量机(SVM)两种非线性数学方法构建PM2.5中重金属快速评估模型,并与多元线性回归模型(MLR)进行比较.结果显示:南京PM2.5及其中重金属平均浓度冬季最高,其次为春季,夏季和秋季浓度较低.PM2.5中重金属浓度与气象因子和大气污染物间具有一定相关性.BP-ANN对大部分金属(除了Ba、Cr和V)训练模型的相关系数最高;而SVM对所有金属验证模型的相关系数最高.3种方法对Cd、Cu、Pb、Ni和Zn的模拟效果较好,对Cr、Fe、Sr、Ti和V的模拟效果相对较差.

关键词：PM2.5、重金属、BP神经网络、支持向量机、多元线性回归

所属期刊栏目：37

分类号：X513(大气污染及其防治)

资助基金：国家自然科学基金项目41271511,41501549

在线出版日期：2017-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：821-828