[发明专利]地下水型饮用水水源地污染源解析方法

权利要求书

1.一种地下水型饮用水水源地污染源解析方法，其特征在于，所述地下水型饮用水水 源地污染源解析方法包括：

对采样数据进行预处理，所述预处理包括缺失值处理、不确定性处理和数据合理性分 析中的至少一种；

计算预处理后的采样数据的特征值和特征向量，得到特征值矩阵和特征向量矩阵；

利用所述特征值矩阵和特征向量矩阵求得因子载荷矩阵和因子得分矩阵；

对所述因子载荷矩阵和因子得分矩阵进行非负约束的旋转；

使用最小二乘方法进行迭代运算重复所述对所述因子载荷矩阵和因子得分矩阵进行 非负约束的旋转，确定因子载荷矩阵和因子得分矩阵，所述因子载荷矩阵对应污染源指纹 图谱，所述因子得分矩阵对应主要污染源贡献。

2.根据权利要求1所述的地下水型饮用水水源地污染源解析方法，其特征在于，对采样 数据进行缺失值处理包括：

丢弃采样数据中含缺失数据的记录；

用全局变量或属性的平均值代替缺失数据；

先根据欧式距离或相关分析来确定距离缺失数据样本最近的K个样本，将这K个值加权 平均来估计该样本的缺失数据，其中k为大于零的整数；

采用神经网络模型预测每一个缺失数据；

对低于数据检测限的数据用数据检测限值或1/2检测限代替。

3.根据权利要求1所述的地下水型饮用水水源地污染源解析方法，其特征在于，对采样 数据进行不确定性处理包括：

利用下式计算采样数据的不确定性：

其中，s为误差百分数；c为指标浓度值；l为因子数据检出限。

4.根据权利要求1所述的地下水型饮用水水源地污染源解析方法，其特征在于，对采样 数据进行数据合理性分析，包括：

采用下式对采样数据进行筛选：

其中，S/N为信噪比，x_ij表示第i采样点第j个样品的浓度，s_ij表示第i采样点第j个样品 的标准偏差。

5.根据权利要求1所述的地下水型饮用水水源地污染源解析方法，其特征在于，所述计 算预处理后采样数据的特征值和特征向量，得到特征值矩阵和特征向量矩阵，包括：

对预处理后的采样数据进行无量纲化；

计算无量纲化后采样数据的协方差矩阵；

利用雅各布方法计算协方差矩阵的特征值和特征向量，得到特征值矩阵和特征向量矩 阵。

6.根据权利要求5所述的地下水型饮用水水源地污染源解析方法，其特征在于，所述计 算无量纲化后采样数据的协方差矩阵，包括：

利用下式计算无量纲化后采样数据的协方差矩阵：

Z＝DD′

其中，Z为协方差矩阵，D为无量纲化后的样品数据矩阵，D′为D的转置；

利用雅各布方法计算协方差矩阵的特征值和特征向量，得到特征值矩阵和特征向量矩 阵，协方差矩阵表示为：

Z＝QEQ′

其中，E为特征值矩阵，Q为特征向量矩阵，Q′为Q的转置。

7.根据权利要求1所述的地下水型饮用水水源地污染源解析方法，其特征在于，所述利 用所述特征值矩阵和特征向量矩阵求得因子载荷矩阵和因子得分矩阵之前，包括：

利用累计方差贡献率提取显著性因子；

所述利用累计方差贡献率提取显著性因子的提取条件为：

其中：n为显著性因子个数；m为污染物个数；λ为特征值。

8.根据权利要求6所述的地下水型饮用水水源地污染源解析方法，其特征在于，所述利 用所述特征值矩阵和特征向量矩阵求得因子载荷矩阵和因子得分矩阵，所述因子载荷矩阵 表示为：

S＝QE^1/2

因子得分矩阵可表示为：

C＝(S′S)^-1S′D

其中,S为因子载荷矩阵，C为因子得分矩阵，S’为S的转置。