建筑混凝土氡污染含量動態監測方法

凌 飛

（陜西工業職業技術學院 土木工程學院, 陜西咸陽712000）

上世紀90年代，建筑行業就已經發現混凝土中可能釋放部分氡元素（222Rn）對建筑內空間造成放射污染。其放射原理是氡元素在3.8235天半衰期內，衰變釋放部分放射性釙元素（218Po和214Po）、放射性鉛元素214Pb、放射性鉍元素214Bi，這些衰變產物會在進一步短周期衰變中釋放出α、β粒子，對生物大分子如DNA、RNA等產生破壞作用。且這些次生放射元素會以放射塵（主要為PM2.5）的方式進入人體血液循環，對人體產生急性危害或長期危害[1]。

進入90年代，我國有關部門先后頒布《環境空氣中氡的標準測量方法（GB/T 14582-93）》、《民用建筑工程室內環境污染控制規范（GB 50325-2001）》等，基本確定徑跡蝕刻法、活性炭盒法、雙濾膜法、氣球法等標準測量方法。但這些方法有共同特征，即均需要較長的實驗室操作時間，無法實現動態監測。特別是徑跡蝕刻法的實驗室操作時間達到了30d[2]。

當前技術條件下，受到智慧家居等技術需求的驅動，開發一種針對氡元素（222Rn）的動態監測方法，成為當前市場條件下的核心需求[3]。但是，因為居住空間中的放射性污染較輕，采用普通的放射粒子計數器可能因為最小量程問題無法有效計數，所以采用持續氣相法配合物聯網和大數據系統構建動態監測系統，是本文的核心創新點。

1 監測方案的理論基礎

1.1 基于氣相色譜法的測量設備

上世紀70年代出現的氣相色譜監測技術，在數十年的發展期內，對物聯網實時監測系統表現出較強的適應性。當前的氣相色譜設備，包含諸多功能模塊，如電子俘獲檢測器（ECD）、電加熱氣相光源（NPD）、窗式光電離檢測器（PID）且在監測環境控制中，穩定直流波形整流、恒熱控制、脈沖調制等技術也被應用到氣相色譜監測技術中[4]。如果在動態監測的過程中不對氣相色譜監測裝置本身進行升級優化，僅考慮對其實時數據進行深度挖掘分析，獲得因為氡元素污染產生的數據信號，則該方案存在以下難點：

（1）數據信噪比較低

氣相色譜設備會采集氣體中的所有元素的含量數據，特別是N、O、C、H等大含量元素的特征線非常顯著，可能掩蓋本文研究中需要捕捉的Rn、Bi、Po、Pb等微量元素的特征線[5]。所以在數據分析中，需要對大含量元素的特征線進行有效數據屏蔽，從而考察微量元素的含量。

（2）數據持續性不高

因為污染空間的氣體構成中，大部分次生污染物均以懸浮顆粒的方式賦存，氡元素以稀有氣體的方式賦存，每cm3的污染粒子級別，一般在100～102左右，所以色譜儀并非每個測量脈沖均可獲得污染物的特征線。所以，需要進行多個脈沖的數據疊加獲得持續性結果[6]。

（3）數據完備性不佳

工程實現方面，監測系統不可能實現對整個房間所有氣體的過濾式檢測，僅可憑借少量采樣氣體進行基于測量脈沖的數據采集。所以，如果大氣中的污染物分布均度不佳，那么監測數據較難實現數據的完備性[7]。

1.2 數據疊加方案

氣相色譜裝置獲得的數據，是一列覆蓋紅外-可見光-紫外波譜的特征曲線數據，可看做一維數列B(γ) ，設定脈沖周期為100ms，即恒溫恒流環境下每秒發射10次檢測脈沖，累加N次檢測數據進行數據整理，可以得到公式（1）：

式（1）中：Bi(γ)為第i次檢測脈沖中獲得的檢測結果數列；N為累加的檢測次數；BΣ(γ)為累加后的數據；e為自然常數，此處取其近似值2.718281828。

在對上述Rn、Bi、Po、Pb等微量元素的特征線進行分析的過程中，發現其特征線有以下特征，見表1。

表1 被測元素特征線分布情況表Table 1 Distribution of characteristic lines of measured elements

表1中，Po元素的理論特征線包括205.048、245.011、248.397、249.056、253.495、255.733、255.801、256.231、258.763、266.333、276.191、280.024、291.931、295.890、300.321 nm。因為國內外相關文獻中缺少對Po的色譜研究文獻，可推測當前色譜研究中對Po元素的應用較少[8]。同時，相關文獻中針對Rn元素的色譜特征僅包含178.552nm波長，但有相關研究表明該特征線可以充分反映Rn元素的信息。可以充分利用Bi、Pb等光譜研究較為充分的元素進行氡污染捕捉。

干擾元素中，其特征線的分布特征見表2。

表2 干擾元素特征線分布情況表Table 2 Distribution of characteristic lines of interference elements

表2中，針對N元素的色譜特征的研究較少，雖然相關研究證實N元素的理論特征線達到136條，但尚無對其進行工程學層面的色譜研究先例。而O元素和H元素的首選特征線波長較長，C元素193.030nm特征線對本研究的干擾最大。而空氣中的CO2含量較高，常規含量達到了400ppm，所以，需要采用比較氣樣法對CO2進行有效排除。其排除方案如公式（2）：

式（2）中：B'(γ)為 第i個脈沖的實測數據；BO(γ)為比較氣樣的測試數據。

因為大氣基礎成分基本保持不變，所以無需每脈沖獲取大氣基礎成分的氣樣色譜數據，而是對室外氣體進行測量后，可供1～2天的持續觀測比較。

2 監測算法設計

2.1 監測數據移動窗口的設定

設定脈沖周期為100ms，即恒溫恒流環境下每秒發射10次檢測脈沖，累加N次檢測數據進行數據整理，即通過調整N值的設定，對氡污染的檢測敏感性進行評價，最終獲得最佳的數據移動窗口。測試過程在實驗室仿真密閉空間內進行，空間尺寸為1000×1000×1000 mm，采用整體吹制玻璃密閉容器進行空間隔離，其中人工創造氡氣含量5、10、20 ppm環境，其測定結果見表3。

表3 不同窗口設定條件下的監測結果Table 3 Monitoring results under different window settings

表3中，當監測數據移動窗口N值定在200時，可以獲得較高的檢出率，其中5ppm環境的檢出均值為4.893ppm，敏感性97.86%，10ppm環境下的敏感性為98.93%，20ppm環境下的敏感性為99.47%。分析上述敏感性分布情況，可以得到圖1中的可視化結果。

圖1 測量敏感度分析比較圖Fig. 1 Comparison of measurement sensitivity analysis

圖1中，針對3個不同含量的Rn環境，在N設定為200時，敏感性均可達到95%以上，而使用其他N值，低濃度環境的敏感度較低。其根本原因在于，當N值過小時，系統無法實現有效的數據連續性，而當N值過大時，數據之間的干擾作用增加。

2.2 算法架構設計

綜合前文分析結果，該算法的整體操作數來自氣相色譜儀的檢測數列 ，該數列是氣相色譜設備經過光柵數據讀取后進行內部變換產生的結果數列，因為本文研究未對該算法架構進行優化改變，所以該變換過程受到篇幅限制不再贅述。而該算法的核心創新點在于讀取比較氣樣和室內氣樣的氣相色譜設備檢測數列 后進行的數據整理和數據分析。其算法架構的數據流圖如圖2所示。

圖2 該算法的數據流圖Fig. 2 Data flow diagram of the algorithm

圖2中，比較數列和單次數列的獲取過程由氣相色譜設備內置算法實現，該算法讀取數據后，進行差值計算（公式（2））和疊加計算（公式（1））獲得一個高信噪比的特征譜線數據，該特征譜線數據已經屏蔽了大部分干擾氣體的吸收譜線，但為了放大數據細節，可以對其進行一次放大處理。該放大處理算法包括以下2步：

(1)對數據進行基于minmax算法的投影放大

因為建筑空間中的氡含量一般小于5ppm，且其達到5ppm時已經嚴重影響環境內的人員健康。而且，因為該算法已經屏蔽了容易對分析結果帶來干擾的C等元素的色譜數據，所以，將數據針對[0,1]空間進行重投影，如公式（3）：

式(3)中：Bi為數據窗口N中的第i個數據；Fi為第i個輸入數據整理后的輸出數據；minN、maxN分別為數據窗口N中的最小數據和最大數據；N為數據窗口規模，根據前文分析，N值取值為N=200。

（2）對數據進行反置對數放大

經過上述minmax算法，數據仍存在一定不足，即該數據的特征數據在0值附近，但無意義數據在1值附近，并不符合常規的數據觀察習慣。所以，應將數據進行反置后，進一步將數據特征進行非線性放大。如公式（4）：

式（4）中：Fi為minmax投影整理中第i個輸入數據整理后的輸出數據；F'i為經過該步整理后的第i個輸出數據；e為自然常數，此處取其近似值2.718281828。

經過此步計算，無意義數據被整理到0值附近，而特征數據被log函數充分放大。

3 該監測方法的實際效果測試

3.1 數據治理效果

因為該數據治理過程的統計學意義是將極低信噪比數據中的有效信號進行充分放大，從眾多大含量元素的色譜信號中獲取微量放射性元素的信號，所以，在實際效果測試中，首先對一次檢測數據進行數據治理效果測試。測試結果詳見圖3。

圖3 數據治理效果分析結果圖Fig. 3 Analysis results of data governance effect

圖3中，（a）圖為改組數據中的累加數據，該數據中193nm附近的C干擾數據較為顯著，本文分析關心的178.552、223.061、220.353 nm三條譜線在數據中并無顯著表達。（b）圖為（a）圖數據減去對比氣樣數據后的結果，可以看到，該數據階段中，大量的干擾數據被排除，但相關數據的表現仍然不明顯。（c）圖為經過minmax重新投影后的數據，此時，雖然在217nm處仍然有較強的干擾數據，但178、220、223 nm處的譜線已經初步顯現。（d）圖為最終分析結果，此時，雖然仍有部分干擾譜線，但本文研究所需的Rn元素、Bi元素、Pb元素的譜線已經得到充分表達。

3.2 氣相色譜法檢測與常規檢測的效果比較

使用徑跡蝕刻法、活性炭盒法、氣相色譜法分別對同一組實驗室氣樣進行檢測，因為徑跡蝕刻法和活性炭盒法的檢測周期均較長，無法實現對氣樣的實時監測，但可以對比該兩種成熟方法的敏感度和特異度分析該研究改進的氣相色譜法測量結果以對其可行性做出評估[9]。比較結果見表4。

表4 氣相色譜法檢測與常規檢測的效果比較結果Table 4 Comparison results of gas chromatography and conventional detection

表4中，三種方法對Po的檢出能力均較弱，其中徑跡蝕刻法達到83.572%的Po檢測敏感度，而氣相色譜方法對Po的檢測敏感度較低，僅為24.068%，遠低于前兩者。但仍可以看出該研究改進的氣相色譜法擁有如下優勢：

（1）檢測周期短

氣相色譜法的監測窗口累積時間為20s（N=200），檢測過程與窗口累積過程可以重疊管理，最終數據輸出時間約2～3 s，故其理論檢測周期約為22～23 s，最大檢測周期小于30s。因為較短的檢測周期，氣相色譜法完全可以支持對室內空間氡污染的實時監測系統的數據源功能需求[10]。

（2）敏感度和特異度較高

氣相色譜法在對氡污染中涉及到的Rn、Bi、Pb三種元素的檢測敏感度均高于2d檢測周期的活性炭盒法，略低于30d檢測周期的徑跡蝕刻法。且根據Rn衰變規律，其對Po的檢測敏感度雖低，但仍可采用曲線估計法對該檢測結果進行估計評價。其檢測特異度也高于活性炭盒法，略低于徑跡蝕刻法。所以，實際室內大氣監測工作中，氣相色譜法可以充分替代活性炭盒法，得到近似于徑跡蝕刻法的特異度檢測結果，且此結果為實時結果。

4 總結

提升氣相色譜法特異度的方法，是識圖過程中考察更多標志譜線，本文計算中，采用單標志譜線的元素評價方法，同時考察3條以上的譜線，可以獲得更高的檢測特異度。提升其敏感度的方法，是對上述數據治理方案進一步升級。即使用未加硬件改動的氣相色譜設備對室內空氣進行持續觀測，也可以得到較高特異度和敏感度的氡污染實時監測結果。