(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111310618.4 (22)申请日 2021.11.08 (71)申请人 南开大学 地址 300071 天津市南 开区卫津路94 号 (72)发明人 史国良　许博　张忠诚　田霄　 卫昱婷　徐晗　冯银厂　 (74)专利代理 机构 天津耀达律师事务所 12 223 代理人 张耀 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 一种解析大气降尘污染来源及其评估污染 源对降尘边际效应的方法 (57)摘要 一种解析大气降尘污染来源及其评估污染 源对降尘边际效应的方法， 涉及降尘污染防治领 域， 包括以下步骤： 第1步将数据输入模型。 降尘 质量以及组分质量构建多组分数据， 输入到正定 矩阵因子分析模型； 第2步 设置模型参数。 调查大 气降尘源类， 识别主要排放源， 设置模型计算参 数； 第3步计算源解析结果。 模型解析降尘污染来 源， 通过调查和专家经验筛选、 评判和拉伸结果； 第4步耦合模 型计算结果利用随机森 林算法评估 污染源对降尘的边际效应。 本发 明耦合受体模型 和机器学习模 型， 根据降尘的化学组分估算污染 源对受体的贡献及评估污染源对降尘的边际效 应。 能够快速识别降尘的来源及评估污染源如何 影响降尘， 解决降尘的污染来源难以识别及污染 源对降尘的影 响效应不明确的问题， 为降尘污染 控制提供决策支撑， 有很强的实用价值和推广应 用前景。 权利要求书1页 说明书5页 附图3页 CN 114117893 A 2022.03.01 CN 114117893 A 1.一种解析 大气降尘污染来源及其评估污染源 对降尘边际效应的方法， 包括： (1)将大气降尘多组分数据输入到受体模型， 利用降尘采样仪器监测的大气降尘质量 和分析仪器 分析的元素、 碳和离子等化学组分浓度， 构建多组分数据， 将多组分数据输入到 正定矩阵因子分析模型中； (2)设置模型计算的参数， 通过开展研究区域大气降尘源类的调查， 识别研究区域影响 大气降尘的主要排放源， 设置参与计算因子数、 化学组分个数、 化学组分的不确定性、 输出 结果个数； (3)源解析结果的计算， 根据设定好的参数解析大气降尘的污染来源， 通过调查结果和 专家经验对结果进行筛 选、 评判、 拉伸， 得到最终的模型计算计算结果； (4)耦合受体模型结果利用随机森林算法和偏依赖计算评估污染源对降尘的边际效 应。 2.如权利要求1中所述的解析大气降尘污染来源及其评估污染源对降尘边际效应的方 法， 其特征在于： 所述的将大气降尘多组分数据输入到受体模 型， 是基于不同仪器监测的大 气降尘质量及其化学组分监测数据构成的模型输入 数据， 包括大气降尘质量、 元素浓度、 碳 组分和水 溶性离子数据； 大气降尘质量是指单位面积上单位 时间内从大气中沉降的颗粒物的质量， 通过重量法 分析的降尘量； 水溶性离子由离子色谱分析仪测量， 包括NH4+、 Na+、 K+、 Ca2+、 Mg2+、 SO42‑、 NO3‑ 和Cl‑； 碳组分由半连续OC/EC仪器测量， 包括OC和EC； 元素由重金属分析仪监测， 包括Ca、 Si、 Al、 Fe、 K、 V、 Cr、 Mn、 Co、 N i、 Cu、 Zn、 Ga、 As、 Se、 Ag、 Cd、 Sn、 Sb、 Ba、 Au、 Hg、 Tl、 Pb和Bi组分。 3.如权利要求1中所述的解析大气降尘污染来源及其评估污染源对降尘边际效应的方 法， 其特征在于： 所述的正定矩阵因子分析模型， 是利用大气降尘的离子、 元素和碳组分数 据， 通过正定矩阵分解， 从受体矩阵中提取若干因子， 得到因子谱矩阵信息和因子 贡献矩阵 信息， 根据 因子谱矩阵中化学标识组分将因子识别为不同源类， 利用因子贡献矩阵计算各 源类贡献的模型。 4.如权利要求1中所述的解析大气降尘污染来源及其评估污染源对降尘边际效应的方 法， 其特征在于： 所述的大气降尘源类的调查， 包含： 一是基础资料收集； 二是根据源排放清 单实地调 查研究区域土壤风沙尘、 道路扬尘、 施工扬尘、 堆场扬尘、 固定燃烧源、 工业源、 机 动车尾气排 放源的排 放情况。 5.如权利要求1中所述的解析大气降尘污染来源及其评估污染源对降尘边际效应的方 法， 其特征在于： 所述的识别大气降尘的主要排放源， 是指通过调查降尘源类的排放情况， 结合研究区域社会经济、 能源消费、 城市建设布局、 气象数据以及污染源排放信息， 对影响 研究区域大气降尘的主 要排放源进行识别， 为大气降尘源解析提供依据。 6.如权利要求1中所述的解析大气降尘污染来源及其评估污染源对降尘边际效应的方 法， 其特征在于： 所述的随机森林算法， 是机器学习模型一种算法， 是一个包含多个决策树 的分类器， 输出的类别是由个别树输出的类别的众 数决定的， 对大气降尘量进行 预测。 7.如权利要求1中所述的解析大气降尘污染来源及其评估污染源对降尘边际效应的方 法， 其特征在于： 所述的偏依赖计算， 显示了 污染源对随机森林算法预测结果的边际效应。权　利　要　求　书 1/1 页 2 CN 114117893 A 2一种解析大气降尘污染来源及其评估污染源对降尘边际效应 的方法 技术领域 [0001]本发明涉及大气降尘污染防治领域， 具体涉及一种耦合受体模型和机器学习模型 解析大气降尘污染来源及其评估污染源对降尘边际效应的方法， 适用于对 大气降尘的污染 来源进行解析， 同时评估污染源 对降尘的边际效应。 背景技术 [0002]大气降尘是靠重力自然降落到地面的颗粒物。 大气降尘与 城市空气质量存在密切 的联系， 能够反 映颗粒物的一次排放源的贡献， 是体现城市清洁程度和精细化管理水平的 重要指标。 同时降尘也可以产生更小的颗粒物， 成为环境空气中各类二次反应的载体。 明确 大气降尘的化学组分特征、 来源以及贡献是进行大气降尘管理和控制的关键和前提。 我国 开展降尘监测将近三十年， 但是对于降尘的分析仍集中在 “量”的分析， 缺乏降尘化学组分 特征、 粒径分布等要素 的时空规律、 大气降尘的定量来源解析以及污染源和降尘的相互关 系等方面的研究。 降尘来源解析工作能够明确给 出降尘的来源构成， 为防控工作指明方向。 [0003]污染源解析技术方法主要有源扩散模型和受体模型， 受体模型通过受体和污染源 样品的化学组分分析来确定污染源对受体的贡献值。 由于不需要知道源强， 不依赖于气象 资料， 受体模 型自70年代问世以后， 得到了迅速的发展。 正定矩阵因子模型是 受体模型一种 重要方法， 不需要事 先知道源的数量和成分谱的信息， 基于在同一受体上测得大量的数据， 并对这些数据进行解析， 计算出源的数目、 源的成分谱和 源贡献。 1997年,Paater提出了正 定矩阵因子模型的运算 方法。 正定矩阵因子模型主要应用在 PM10以及PM2.5的来源解 析上， 在 大气降尘中尚未 得到应用。 [0004]我国大气降尘主要监测大气降尘量， 对大气降尘污染的来源解析以及污染源和降 尘之间的关系缺乏深入而系统的研究。 大气降尘是城市精细化管理水平的直接体现， 受到 气象、 地形地势、 地理位置、 城市建设、 城市发展等多因素影响。 快速、 准确解析降尘污染源 及贡献面临着困难， 需要在理念和方法上寻求更多的创新和突破。 本发明开发的利用正定 矩阵因子模型解析大气降尘污染来源， 用机器学习模型评估污染源对大气降尘的边 际效 应， 能够解决大气降尘污染防治过程中的关键科学技术问题， 为降尘污染防治提供依据和 有力的技 术支撑。 发明内容 [0005]本发明所要解决的技术问题是： 提供一种解析大气降尘污染来源及其评估污染源 对降尘边际效应的方法； 本发明将大气降尘质量， 元素、 碳和离子等化学组分浓度构建多组 分数据， 输入到正定矩阵因子 分析模型中。 通过开展研究区域大气降尘源类的调查， 识别研 究区域影响大气降尘的主要排放源， 设置参与计算因子数， 化学组分个数， 化学组分的不确 定性， 输出结果个数等模型计算参数。 根据设定好的参数解析大气降尘的污染来源， 计算源 解析结果， 通过调查结果和专家经验对结果进行筛选、 评判、 拉伸， 得到最终的模型计算计说　明　书 1/5 页 3 CN 114117893 A 3