[硕士论文] 城市表层土壤重金属污染分析推荐.pdf

城市表层土壤重金属污染分析 摘要 本文给出重金属浓度空间分布、各区域污染程度和污染原因，建立神经网 络模型用遗传算法求解污染源位置，再将模型拓展以期得到地质环境演变模式。 问题一：通过八种重金属浓度的等值线图来描述其空间分布，利用污染程 度指数来衡量不同功能区的污染程度。 以八种重金属在各采样点的浓度为初始数据，利用三角形线性插值法，运 用matlab 编程得到八种重金属浓度值在空间上的分布，并绘制成等值线图，得 到了八种重金属的空间分布特点。同时，我们利用污染程度指数作为指标来衡量 不同功能区的污染程度，得到结论：污染程度从高到低依次是工业区、交通区、 公园绿地区、生活区、山区。 问题二：通过相关分析和关联规则分析来确定重金属污染的主要原因。 我们运用 spss 软件在显著性水平 0.01 的情况下对八种金属浓度进行 person 相关分析，并对不同金属之间的相关性进行双侧检验，结果发现：重金 属Cu、Cr、Ni 具有显著的相关性，其中Cr、Ni 的相关性极其显著；重金属Pb 与Cd、Pb 与Cu、Zn 与Pb 有显著的相关性。我们再利用SAS 进行关联规则分析， 其中将功能区作为前项，土壤表层是否收到重金属污染作为后项，根据所得可信 度分析出：所有重金属污染都主要来源于工业废水废渣，另外As 和Cr 污染还来 源于生活垃圾，Pb 污染还来源于汽车尾气的排放。 问题三：建立神经网络模型，用遗传算法确定污染源的位置。 为了确定污染源的位置，我们建立了基于matlab平台的BP人工神经网络模 型。结果表明该模型能准确反映重金属污染物的传播特征并得出重金属浓度的空 间分布。然后利用遗传算法搜索到污染源的位置。求解结果如下表： As Cd Cr Cu Hg Ni Pb Zn (1200,3006) (2105,2593) (3487,5325) (2101,3390) (2643,2875) (3211,5686) (1991,3329) (1699,2867) (18508,10206) (4753,10875) (3198,5822) (13868,2354) (24001,12366) (4508,5412) (3725,5487) (27680,12111) (17450,3825) (15243,9186) (9583,4512) (21301,11467) (13653,9655) 综合分析所得污染源所在位置，发现不同金属的污染源有同源现象，依据 同源性汇聚污染源，绘制了八种重金属的污染源汇总图。 问题四：神经网络模型的优点是具有较强的自组织、自学习能力、泛化能 力和充分利用了海拔高度的信息；缺点是训练要求样本点容量较大。可以通过搜 集前几年该城区八种重金属浓度的采样数据和近几年工厂分布多少位置的变化、 交通路段车流量的变化、人口及生活区分布变化与植被分布多少位置的变化等数 据，进一步拓展神经网络模型，得到该城市地质环境的演变模式。 关键词：三角形线性插值 相关分析 关联规则 神经网络 遗传算法 1 随着城市经济的快速发展和城市人口的不断增加，研究人类活动影响下城市 地质环境的演变模式，日益成为人们关注的焦点。 不同的区域环境受人类活动影响的程度不同，按照功能划分，城区一般可分 为生活区、工业区、山区、主干道路区及公园绿地区，现对某城市城区土壤地质 环境进行调查。将所考察的城区划分为间距1 公里左右的网格子区域，按照每平 方公里 1 个采样点对表层土（0~10 厘米深度）进行取样、编号，并用GPS 记录 采样点的位置、海拔高度及其所属功能区等信息。分析获得了每个样本所含的多 种化学元素的浓度数据。另一方面，按照2 公里的间距在那些远离人群及工业活 动的自然区取样，将其作为该城区表层土壤中元素的背景值。 我们需要解决如下问题： (1) 给出八种主要重金属元素在该城区的空间分布图，并建立指标来分析该 城区内不同区域重金属的污染程度。