径向基函数神经网络在个体颗粒物暴露来源解析中的应用研究.pdf

中国颗粒学会第入届学术年会暨海峡两岸颗粒技术研讨会 ofChinese on acrossTaiwanStraitsDec．2008 2008年12月‘66AnnualConferenceSociety ParticleTechnology ofParticuologyCUmSymposium 径向基函数神经网络在个体颗粒物暴露来源解析中的应用 戴明新1’2， 刘长兵1， 胡焱弟2， 彭士涛1’2， 詹水芬1， 王恺2， 白志鹏2 (1．交通部天津水运工程科学研究所，水路交通环境保护技术实验室，天津300456； 2．南开大学环境科学与工程学院，国家环境保护城巾．空气颗粒物污染防治莺点实验室，天津3000711 摘要：有效的个体暴露来源解析对于有针对性地采取措施来减小个体暴露的健康危害具有重要意义．相对环境颗粒 物(ParticulateMatter,PM)来源解析，个体颗粒物暴露来源解析是一个较新的研究领域．本研究首次尝试将径向基函数 Basis Neural 神经网络(RadialFunctionNetwork，RBFN)应用于个体颗粒物暴露来源解析工作，并采用模拟数据对该方 法的有效性进行了检验．模拟数据的解析结果表明：在源成分谱调查充分的情况下，对于分担率大于10％的主要源， 5暴露的主要 其解析结果的相对误差均小于40％，且大多数情况下相对误差小于20％，即RBFN可以实现对个体PM2 源的较好解析；对于分担率处于5％到10％之间的次丰要源，其解析相对误差大多数情况下均低于40％，但存在极个 别解析相对误差高于40％的情况：对于分担率低于5％的非主要源，存在部分相对误差高于100％的情况．与化学质量 Mass 平衡模型(ChemicalBalance，CMB)相比，RBFN可以有效区分共线性强的源．本研究为开创新的个体暴露来源解 析方法提供了初步的研究基础．同时，由于对于部分非主要源和次主要源存在较高的解析误差，因此，仍需对该方法 进行进一步的研究来改善其源解析性能． 关键词：个体颗粒物暴露；来源解析；径向基函数神经网络；模拟数据 个体暴露采样量小，导致源和受体样品中很多成分 1 前言 均低于检出限，且不同个体暴露于同一源的源成分谱具 个体颗粒物(particulatematter,PM)暴露的健康效应有差异，因而个体PM暴露相比城市大气颗粒物，其源 与室内外空气中PM浓度、个体时间活动模式以及个体 和受体成分谱具有更大的测量不准确性和变动性，人工 PM暴露的特定来源密切相关【l4】．因此，进行不同活动 神经网络可以加入噪声进行训练，因而对于处理此类问 模式下个体PM暴露来源解析，结合各源排放的PM健题，具有优势．应用神经网络进行个体暴露来源解析， 康效应的研究，可针对性地减小某些特定源排放和调整 目前围内外尚未见报道． 个体活动模式来有效减少PM暴露的健康危害．为制定 因此，本文尝试将RBFN应用于个体PM暴露来源 经济、有效的治理措施提供科学依据． 解析，并采用模拟数据对该方法的源解析能力进行了评 相对环境样品来源解析，个体暴露来源解析是一个 价．具体如下：构建模拟数据，提供给分析者待解析个 Matrix 体PM暴露的可能源和受体成分谱监测值；构建训练样 较新的研究领域．国外有采用PMF(Positive Mass 本，通过训练建立个体暴露受体成分和源分担率之间的 Factorization)、CMB(ChemicalBalance