[发明专利]识别土壤中重金属污染源的方法

摘要

本发明公开了基于K-means聚类方法识别土壤中重金属污染源的方法，该方法应用K-means聚类-主成分分析污染源识别复合模型进行污染源的识别，能够快速、准确的追溯重金属污染物的来源，给出各污染物的贡献率，为环境管理部门应对污染事故、控制污染风险提供了可靠的技术保障，克服了现有技术不能给出具体排放源对受体贡献的大小、对污染治理工作无实际指导意义的缺陷。

主权项

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。