论文部分内容阅读
大气污染呈现出多污染源叠加、多污染物等的复合型污染特征,对生态系统、人类健康和气候变迁等产生极其重要的影响。大气颗粒物是大气环境中化学组成最复杂、危害最大的污染物之一,可以根据其主要组分浓度以及比值来判断其主要污染源。多环芳烃(Polycyclic Aromatic Hydrocarbons,PAHs)是大气颗粒物的主要组成,大气颗粒物中PAHs的致癌性和源解析研究可以推断其毒性及污染源。本文从大气颗粒污染物的精准毒性预测与源解析的实际需求出发,开展大气颗粒物的形貌表征及主要组成定量分析研究,构建基于随机森林算法(Random Forest,RF)的大气颗粒物中PAHs致癌性预测模型,建立拉曼光谱技术与偏最小二乘算法(Partial Least Square,PLS)相结合的大气颗粒污染物源解析方法,以实现对大气颗粒物的精准源解析。该研究为大气复合污染的实时监测与有效防治提供新思路和新方法。全文分为四章,主要内容如下:一、以校园宿舍区和校门口两个区域的大气颗粒污染物为研究对象,开展大气颗粒物的形貌表征及主要组成定量分析的研究,根据获得的形貌及元素信息推断两个区域大气颗粒污染源类别、组成分布及浓度信息。二、以大气颗粒物中PAHs致癌性的快速准确预测为目标,建立基于RF与定量构效关系技术(Quantitative Structure Activity Relationship,QSAR)相结合的PAHs致癌性预测方法。首先借助变量重要性对分子描述符进行变量筛选,然后基于筛选后的分子描述符构建PAHs致癌性预测RF-QSAR模型,并与偏最小二乘判别模型(Partial Least Squares Discriminant Analysis,PLS-DA)进行比较,结果表明,RF表现出较优的预测性能,是一种非常有潜力的PAHs致癌性预测方法。三、以实现大气颗粒物中PAHs的准确检测及源解析为研究目的,研究基于拉曼光谱的PLS和RF用于PAHs定量分析及源解析的可行性。将一阶导数法基线校正后的拉曼光谱作为输入变量构建偏最小二乘回归(Partial Least Squares Regression,PLSR)校正模型和随机森林回归(Random Forest Regression,RFR)校正模型用于PAHs的定量分析;在此基础上,建立了基于PLS-DA的源解析模型和RF模型用于污染源解析。结果表明,PLSR和PLS-DA模型表现出较好的预测性能,是一种行之有效的大气颗粒物中PAHs的准确定量及源解析方法。