大氣質量評價模型及監測布置方法研究

邱 恒 鄭 晗*

（核工業二七〇研究所環境工程院 江西南昌 330200）

1 大氣質量評價與監測布置方法概述

1.1 大氣質量評價方法

根據過往經驗，對自然環境問題的治理應當以環境治理的分析和評價為基礎，進而找出污染源并加以有效控制。近年來，我國針對大氣環境質量評價的相關研究已經廣泛應用在實踐領域。隨著研究的不斷深入，集對分析法、指數分析法等方法也不斷發展創新，豐富了大氣質量評價的理論與實踐基礎。但是，以上傳統方法雖然分別具有一定的優勢，卻無法徹底解決非線性多維體系這一復雜問題。

1.2 大氣質量監測布置方法

大氣質量評價需要精準、持續的監測系統提供數據支持。如何利用有限的空氣監測點實現對大氣的有效監測在國內外相關研究中均屬于重要課題。目前，常見的布點方式包括功能區法、數理統計法、模擬法等。功能區法在我國建設大氣質量評價體系初期較為常見，一般需要3-5個監測點即可實現對城市大氣環境的監測。但是，此類方法沒有考慮到人類活動與區域內空氣污染并非固定關系，導致界限和方法較為模糊，所形成的數據無法應用與科學評價模型中。數理統計法是建立在監測區域內環境污染與監測結果存在假定關系這一基礎上的，忽視了污染源與環境條件的變化。而模擬法是利用信息技術模擬城市大氣污染從而尋找出合理的監測點位，相關技術復雜，為解決該方法存在的不可控因素仍需繼續探究。

2 以人工神經網絡構建的大氣質量評價模型

近年來，跨學科綜合研究不斷產生新的技術方法。以人工神經網絡為技術基礎的大氣質量評價模型也應運而生。該方法來自于生物學研究人類大腦結構成果與人工智能技術的結合。人工神經網絡由連接弧聯通獨立的神經元構成多層次的神經網絡。在該網絡中神經元被分為三類，其中輸入層和輸出層分別與對應的輸入或輸出連接弧相連，另外由中間神經元構成隱藏層。在人工神經網絡原理上，美國研究人員提出了反向傳播模型。該模型獲得激活值后，輸出層獲得輸入相應，隨后可以按最小希望輸出反向逐層修正連接權。將其與降維技術結合后，大氣質量評價模型中較為困難的非線性多維體系問題將得到有效解決。目前，我國對大氣質量的評價主要以等級評價為主。因此，人工神經網絡評價模型應當具有三個基本模塊。首先，以人工神經網絡為基礎的評價模型需要進行評價訓練。更新模塊的主要作用是通過輸入樣本幫助模型實現對評價運算方法的理解。其次，演示模式主要實現對訓練過程的再現，使系統使用者了解模型的運行狀況及學習水平。最后，在人工神經網絡完成學習后，運用評價模式正式實施評價工作。在訓練過程中，建議采取模糊RBF的神經網絡，以有效減少訓練次數，實現評價模型的快速構建。

3 以模糊分析優化大氣質量監測布置方法

目前的大氣質量檢測布點方法受到污染因素多元化的影響，難以實現有效分析。因此，建議采取模糊分析法以提高監測點布置的有效性。模糊分析法是通過對研究對象性質的分析，實現聚類分析的一種方法。在監測布點的應用中，將監測范圍內特質相近的監測點歸為一類，并將相似度編制為統一的系數評價體系，結合距離進行分析，從而找到更為合理的布點方式。以目前人類的知識與技術水平，必然存在未知影響因素與各類不確定的數據信息。因此，大氣環境質量仍屬于相對模糊的體系。由于運用模糊分析法的過程中，不以人為劃定的具體類型和指標為基礎。以模糊分析法進行監測布點反而使原本較為模糊的問題變得清晰化。以該方法解決強度比較問題時，應當將監測點獲得的不同指標數據整合為統一的污染水平評價指數。數據標準化需要建立基本結構單元，以無量綱數值體現環境污染對人類健康的影響程度，計算公式為：

大氣環境污染往往是多種因素疊加而成，每個監測點與相鄰點位因距離不同而產生變化，因此，需要用相似模糊矩陣表示各點之間的關系，計算公式為：

該公式中R為相似模糊矩陣，UT是參數矩陣U的轉秩矩陣。

通過以上計算方式并結合最優分割法，可以最終確定合理的監測點分布位置。另外，需要在布點中應當盡可能的將監測點設置在不同的行政區域內，并在選定位置后組織實地考察，以便確定方法實施的有效性。

結語

綜上所述，為優化大氣質量評價模型及監測點布置方法。可以運用人工神經網絡技術實現對非線性多維體系的分析，提高評價結果的有效性。同時，應當借助模糊分析法降低未知污染因素對監測數據的影響，為防治大氣污染提供必要的數據支撐。