基于非线性数学方法的PM_(2.5)中重金属浓度模拟

2013年在南京市南京大学鼓楼校区和仙林校区采集PM_(2.5),并测试其中重金属浓度,分析重金属在不同季节和地区的污染特征及其与气象因子、常规大气污染物的相关关系.数据经主成分分析预处理后,使用BP神经网络(BP-ANN)和支持向量机(SVM)两种非线性数学方法构建PM_(2.5)中重金属快速评估模型,并与多元线性回归模型(MLR)进行比较.结果显示:南京PM_(2.5)及其中重金属平均浓度冬季最高,其次为春季,夏季和秋季浓度较低.PM_(2.5)中重金属浓度与气象因子和大气污染物间具有一定相关性.BP-ANN对大部分金属(除了Ba、Cr和V)训练模型的相关系数最高;而SVM对所有金属验证模型的相关系数最高.3种方法对Cd、Cu、Pb、Ni和Zn的模拟效果较好,对Cr、Fe、Sr、Ti和V的模拟效果相对较差.