PMF正交矩阵因子分解软件翻译.docVIP

PMF是一个多变量因素分析工具，它把采样数据矩阵分解成两个矩阵：系数的贡献（G）和因字数（F）这些因子情况需要用户利用测得的源配置文件信息，以及排放或排放清单进行解释，以识别对样品有贡献的的源类型 该方法在这里简要回顾其他地方更详细地描述结果使用约束没有样品可以有显著负贡献。PMF的使用样品的浓度和用户提供的不确定度进行各个点加权。此功能允许分析人员占信心在测量。例如，检测限下面的数据可以被保留用于该模型中，与相关联的调整的不确定度，以便这些数据点比测量高于检测限的数据点对解决方案有较小的影响。因子贡献和因字数使PMF模型目标函数Q最小化Q是PMF的一个关键参数，两个版本的显示在模型运行Q（真）计算是包括所有点的拟合优度参数Q（鲁棒）是计算排除不符合模型的点定义为样品的量的不确定度残差大于4的拟合优度参数Q（真）和Q（鲁棒）的区别在于测试残差高的数据的影响这些数据点可能与来自源的峰值影响相关联EPA PMF需要底层多线性多次迭代（ME），以帮助识别最优化的因子贡献和因字数。这是由于在ME算法的性质 用随机生成的因子数开始搜索因子配置文件这一因素配置文件使用梯度的方法来绘制的到最佳的解决方案的最优路径。在空间方面，该模型利用观察构建多维空间，然后使用梯度的方法来遍历空间 沿着这条道路找到最佳解决方案。最佳的解决方案通常是由沿着路径的最低Q（稳健）值（即最小Q）所识别可以被想象成一个