基于非线性数学方法的PM2.5中重金属浓度模拟
来源：中国环境科学杂志2017年第3期北京时间：
作者：冷湘梓, 王勤耕, 钱新, 李慧明, 陆昊
单位：1. 南京大学环境学院, 污染控制与资源化研究国家重点实验室, 江苏 南京 210023; /\r\n2. 南京信息工程大学江苏省大气环境与装备技术协同创新中心, 江苏 南京 210044
摘要：2013年在南京市南京大学鼓楼校区和仙林校区采集PM2.5，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PM2.5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PM2.5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.PM2.5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.
关键词：PM2.5,重金属,BP神经网络,支持向量机,多元线性回归
基金资助：
国家自然科学基金项目（41271511，41501549）
