徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在大氣顆粒物及個體暴露來源解析中的應(yīng)用.pdf

1、本文將徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neural Network，RBFN）應(yīng)用于城市大氣顆粒物（Particulate Matter，PM）來源解析工作。在源成分譜調(diào)查充分的情況下，利用模擬數(shù)據(jù)計算的解析結(jié)果表明：RBFN可以實(shí)現(xiàn)對多源的良好解析，取得了與化學(xué)質(zhì)量平衡受體模型（Chemical Mass Balance，CMB）相當(dāng)?shù)慕馕鼋Y(jié)果。對主要源貢獻(xiàn)值解析的相對誤差低于15％。且RBFN可以很好

2、地識別無效源。因此，在充分掌握可能污染源成分譜信息的基礎(chǔ)上，RBFN具有源解析應(yīng)用潛力。但在源調(diào)查不充分的情況下，RBFN則難以得到好的源解析結(jié)果。
　　 同時，本研究嘗試將RBFN應(yīng)用于個體PM2.5暴露來源解析工作。從已有文獻(xiàn)報導(dǎo)中獲取個體暴露源成分譜和源分擔(dān)率的均值和偏差，構(gòu)建了個體暴露的模擬數(shù)據(jù)。在源成分譜調(diào)查充分的情況下，模擬數(shù)據(jù)的解析結(jié)果表明：RBFN可以實(shí)現(xiàn)對個體PM2.5暴露來源的良好解析。解析結(jié)果相對優(yōu)于正定矩