基于非线性数学方法的PM2.5中重金属浓度模拟
China Environmental Science（2017）
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.
更多查看译文
关键词
PM2.5,heavy metals,support vector machine,back propagation artificial neural network,multiple linear regression
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要