[发明专利]一种基于BP神经网络模型预测大气重金属浓度的方法

摘要

本发明公开了一种基于BP神经网络模型预测大气重金属浓度的方法，包括以下步骤1)典型小研究区域选择；2)研究区域气象数据获取；3)研究区域大气颗粒物浓度数据获取；4)研究区域大气颗粒物浓度数据检验；5)数据分析；6)模型构建；7)根据所构建的BP神经网络模型进行待估算区域大气颗粒物中重金属浓度预测。本发明借助BP神经网络以及各监测因子之间的响应关系建立起城市大气重金属的快速预测模型，从而对大气重金属的浓度进行评估，对我国城市大气重金属的污染防控提供了一种新思路，具有极其重要的现实意义。

主权项

一种基于BP神经网络模型预测大气重金属浓度的方法，其特征在于，包括以下步骤：1)典型小研究区域选择：选择具有典型代表性的研究区域，典型的小研究区应具备以下几项基本特征：第一，该区域具备典型的交通活动、建筑施工和生活排放，且产生大量气体、颗粒物、道路扬尘；第二，该区域存在高耗能企业及污染排放大户，该区域的空气污染受到工业污染短距离传输的影响，对人体健康具有隐患；第三，该区域的气象数据完备，模型模拟精度高；第四，该区域大气样品容易获取；2)研究区域气象数据获取：按照步骤1)的要求选定研究区域，确定采样点，使用常规大气颗粒物分级采样器采集大气颗粒物，同步记录采样点附近自动监测站的气象数据，包括：温度、湿度、气压和风速；3)研究区域大气颗粒物浓度数据获取：分析测试大气颗粒物中重金属的浓度，提取和分析重金属元素主要包括：Al、As、Cd、Cr、Cu、Fe、Ni、Pb和Zn；提取方法为：将1/8大小的样品滤膜剪成细条状于消解管后，使用混酸HNO3‑HCl‑HF‑HClO4来提取重金属总量，然后待测溶液中金属元素的浓度采用电感耦合等离子体发射光谱仪及电感耦合等离子体质谱测定；4)研究区域大气颗粒物浓度数据检验：采用Grubbs法对所测大气颗粒物原始数据中特异值进行检验和剔除；采用SPSS19.0进行数据的正态分布检验；5)数据分析：分析大气颗粒物中重金属浓度与气象数据和对应粒径大气颗粒物浓度的相关关系；借助SPSS23.0将大气颗粒物中14种重金属浓度与气象数据(温度、湿度、气压、风速)和对应粒径大气颗粒物浓度进行多元线性相关性分析，相关性系数越高，表明两者相关性越好；6)模型构建：以气象因子和污染物数据作为输入因子，大气重金属浓度为输出因子，构建基于BP神经网络模型预测大气重金属浓度的模型，并根据预测值与实测值的相关性及误差判断模型构建的优劣；7)根据所构建的BP神经网络模型进行待估算区域大气颗粒物中重金属浓度预测：根据城市的气象因子和污染物数据预测该城市对应时间段大气颗粒物中重金属的浓度。