[发明专利]识别土壤中重金属污染源的方法

权利要求书

1.一种识别土壤中重金属污染源的方法，其特征在于，操作步骤包括：

步骤一，确定重金属污染源的调查区域；

步骤二，在确定的重金属污染源调查区域内进行调查，调查过程包括：

（1）基础资料收集

（2）实地调查

对调查区域内的主要重金属污染物进行实地调查，包括现场布点、采样和分析测试；

（3）数据处理与分析

对实地调查获得的数据进行分类整理和统计分析；

（4）将处理分析后的数据建立污染源信息数据库；

步骤三，在重金属污染源调查区域调查的基础上，分析不同情况下污染源对环境的影 响；

不同情况包括：①单个污染源位于环境敏感点；②多个不同类型的污染源位于环境敏 感点；③多个相同类型的污染源位于环境敏感点；

步骤四，识别各类排放源中的重金属特征标识物；

步骤五，应用K-means聚类方法，采用Matlab软件编程，将实地调查中现场布点及监测 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，消除量纲影响，得到标 准化矩阵；

步骤六，构建基于K-means聚类方法的重金属污染源识别的模型，包括

（一）、K-means聚类分析方法进行污染源的类别划分

第一步，预处理及初始化

第二步，输出训练样本对

K-means算法的核心思想是把n个数据对象划分为k个聚类,使每个聚类中的数据点到 该聚类中心的平方和最小，算法处理过程：

输入：聚类个数k，包含n个数据对象的数据集；

输出：k个聚类；

（1）任选n个数据对象中的k个对象作为初始聚类中心

（2）对剩余的每个对象，根据其与各个簇中心的距离，将它赋给最近的簇；

（3）利用公式(i=1,2,…,n;j=1,2,…,k)重新计算每个类中心，并用公式 计算出此时的准则函数值

（4）计算新的分配方式：假设在类n中，如果（其中 ），将样本分配到类m中，然后计算此时分配后的准 则函数值

（5）如果停止计算，否则c=c+1，重复（3）（4）（5）步

对处理大数据集，K-means算法是相对可伸缩的和高效率的，n是所有对象的数目，k 是簇的数目，t是迭代的次数；通常k〈〈t且t〈〈n；用K-means算法来聚类时，当结果簇 是密集的，而簇与簇之间区别明显时，它的聚类效果较好；

（二）、引用主成分分析进行污染源各类别的贡献率计算

第一步，数据标准化处理

包括数据的审核、污染物变量的选择和受体浓度数据标准化三个过程；

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；

引入信噪比，如果某污染物信噪比过小或者低于检出限的比例较大，则不能用于进行 因子分析；

数据标准化：

其中：；(j=1,2,…,p)

第二步，计算样本的相关系数矩阵

其中，

第三步，计算相关系数矩阵的特征值和相应的特征向量

特征值：

特征向量：

步骤七，利用构建的重金属污染源识别模型进行重金属污染源的识别，包括：

（1）利用主成分因子分析提取出具有因子荷载矩阵和因子得分矩阵，确定主成分因子 个数；

（2）再把基于污染源成分谱的因子荷载识别当成多参数模式的识别问题，利用K-mean 聚类分析进行污染源的识别；

（3）最后利用识别好的分类模型实现因子荷载的污染源贡献率的计算，实现重金属特 征污染物的源解析。

2.根据权利要求1所述的识别土壤中重金属污染源的方法，其特征在于，步骤二所述基 础资料包括群众投诉、污染源普查数据库、污染源档案、环境监测资料、环评报告。

3.根据权利要求1所述的识别土壤中重金属污染源的方法，其特征在于，步骤四所述各 类排放源包括：工业“三废”、汽车尾气、城市生活垃圾、污泥农用、有机肥、农药化肥。