[发明专利]土壤中多环芳烃污染源解析的方法

权利要求书

1.土壤中多环芳烃污染源解析的方法，其特征在于，操作步骤包括：

a.采集土壤样品；

b.将采集的土壤样品研磨、过筛，置于﹣18℃条件下保存，备用；

c.采用气相色谱-质谱联用方法对步骤b所得样品进行检测，检测项目为多环芳烃类化合物的含量，确定多环芳烃特征标识物；

d.根据步骤c的结果建立多环芳烃源的指纹图谱；

e.应用BP人工神经网络的方法进行多环芳烃污染源的识别；

f.构建基于BP人工神经网络识别的正定矩阵因子分解方法对多环芳烃污染源解析。

2.根据权利要求1所述的土壤中多环芳烃污染源解析的方法，其特征在于，步骤a所述采集土壤样品的方法为网格布点法。

3.根据权利要求1所述的土壤中多环芳烃污染源解析的方法，其特征在于，步骤b所述过筛为过100目筛。

4.根据权利要求1所述的土壤中多环芳烃污染源解析的方法，其特征在于，步骤c所述多环芳烃类化合物包括萘、苊、二氢苊、芴、菲、蒽、荧蒽、芘、苯并[a]蒽、屈、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1.2.3-cd]芘、二苯并[a,h]蒽、苯并[g,h,i]苝。

5.根据权利要求1所述的土壤中多环芳烃污染源解析的方法，其特征在于，步骤e包括：

第一步，预处理及初始化：

对权值矩阵W，V赋随机数，将样本模式计数器p和训练次数计数器q设为1，误差E为0，学习率η设为（0，1）区间的小数，网络训练后达到的精度E_min设为一正小数；

第二步，输出训练样本对：

计算各层输出，用当前样本X^p、d^p对向量数组X、d赋值，利用公式

和分别计算Y和O中各分量；

公式中各符号的含义为：Y为一次计算的输出信号，O为将Y向前输入到输出层，通过各节点星权向量W得到的输出信号。

6.根据权利要求1所述的土壤中多环芳烃污染源解析的方法，其特征在于，步骤f包括：

A.应用正定矩阵因子分解方法进行污染源计算；

B.污染源贡献率的计算；

B.根据步骤c确定的多环芳烃特征标识物及其污染源贡献率，实现特征污染物的源解析。

7.根据权利要求6所述的土壤中多环芳烃污染源解析的方法，其特征在于，步骤A所述应用正定矩阵因子分解方法进行污染源计算包括：

第一步，数据预处理；

第二步，确定主成分因子数；

第三步，因子分解；

第四步，非负约束因子旋转；

具体包括：

第一步，数据预处理：

数据的审核：包括未检出项，缺失项，异常值的识别、判断和处理；

污染物变量的选择：引入信噪比，如果某污染物信噪比＜0.2或者低于检出限的比例2倍较大，则不能用于进行因子分析，数据标准化：平均值标准化；

第二步，确定主成分因子数：

主成分因子数根据特征值、累积方差贡献率、决定系数、Enter函数来确定，

特征值大于1的所有因子作为主因子；

累计方差贡献率CV值大于85%；

决定系数大于0.9时；

Enter函数小于0.1；

确定主成分因子数的逻辑算法逻辑为：

求解协方差矩阵Z：

求解特征值E及特征向量Q：

求解无旋转的因子荷载矩阵S：

求解无旋转的因子得分矩阵R：D

生成特征值、累计方差、决定系数和Enter函数判据矩阵，确定主成分因子；

第三步，因子分解：

正定矩阵因子分解基于加权最小二乘法，假设对于受体样本数据D，还对应一个标准偏差矩阵σ，引入数据不确定性后的PMF基本方程描述如下：

第四步，非负约束因子旋转：

非负约束最小平方因子旋转，，

上述所有步骤均采用Matlab软件编程，首先将分析数据转化为计算机能够接受的数量化矩阵，对数据进行标准化处理，

公式中各符号的含义为：

D’为标准化后的数据；

D为样品数据；

为样品中某污染物的采样平均值；

D^t为样品矩阵的转置矩阵；E为单位矩阵；

矩阵D为m个样品的n种化合物的浓度矩阵；R矩阵表示主要源的指纹谱；S矩阵表示主要源的贡献率；E为残差矩阵；

E_ij为第i个样品中第j种化合物的残差矩阵；σ_ij为第i个样品中第j种化合物的不确定性；

d是受体数据D的一列,S矩阵表示主要源的贡献率,r是因子得分矩阵R中的一列。