大气质量评价模型及监测布置方法研究

邱 恒 郑 晗*

（核工业二七〇研究所环境工程院 江西南昌 330200）

1 大气质量评价与监测布置方法概述

1.1 大气质量评价方法

根据过往经验，对自然环境问题的治理应当以环境治理的分析和评价为基础，进而找出污染源并加以有效控制。近年来，我国针对大气环境质量评价的相关研究已经广泛应用在实践领域。随着研究的不断深入，集对分析法、指数分析法等方法也不断发展创新，丰富了大气质量评价的理论与实践基础。但是，以上传统方法虽然分别具有一定的优势，却无法彻底解决非线性多维体系这一复杂问题。

1.2 大气质量监测布置方法

大气质量评价需要精准、持续的监测系统提供数据支持。如何利用有限的空气监测点实现对大气的有效监测在国内外相关研究中均属于重要课题。目前，常见的布点方式包括功能区法、数理统计法、模拟法等。功能区法在我国建设大气质量评价体系初期较为常见，一般需要3-5个监测点即可实现对城市大气环境的监测。但是，此类方法没有考虑到人类活动与区域内空气污染并非固定关系，导致界限和方法较为模糊，所形成的数据无法应用与科学评价模型中。数理统计法是建立在监测区域内环境污染与监测结果存在假定关系这一基础上的，忽视了污染源与环境条件的变化。而模拟法是利用信息技术模拟城市大气污染从而寻找出合理的监测点位，相关技术复杂，为解决该方法存在的不可控因素仍需继续探究。

2 以人工神经网络构建的大气质量评价模型

近年来，跨学科综合研究不断产生新的技术方法。以人工神经网络为技术基础的大气质量评价模型也应运而生。该方法来自于生物学研究人类大脑结构成果与人工智能技术的结合。人工神经网络由连接弧联通独立的神经元构成多层次的神经网络。在该网络中神经元被分为三类，其中输入层和输出层分别与对应的输入或输出连接弧相连，另外由中间神经元构成隐藏层。在人工神经网络原理上，美国研究人员提出了反向传播模型。该模型获得激活值后，输出层获得输入相应，随后可以按最小希望输出反向逐层修正连接权。将其与降维技术结合后，大气质量评价模型中较为困难的非线性多维体系问题将得到有效解决。目前，我国对大气质量的评价主要以等级评价为主。因此，人工神经网络评价模型应当具有三个基本模块。首先，以人工神经网络为基础的评价模型需要进行评价训练。更新模块的主要作用是通过输入样本帮助模型实现对评价运算方法的理解。其次，演示模式主要实现对训练过程的再现，使系统使用者了解模型的运行状况及学习水平。最后，在人工神经网络完成学习后，运用评价模式正式实施评价工作。在训练过程中，建议采取模糊RBF的神经网络，以有效减少训练次数，实现评价模型的快速构建。

3 以模糊分析优化大气质量监测布置方法

目前的大气质量检测布点方法受到污染因素多元化的影响，难以实现有效分析。因此，建议采取模糊分析法以提高监测点布置的有效性。模糊分析法是通过对研究对象性质的分析，实现聚类分析的一种方法。在监测布点的应用中，将监测范围内特质相近的监测点归为一类，并将相似度编制为统一的系数评价体系，结合距离进行分析，从而找到更为合理的布点方式。以目前人类的知识与技术水平，必然存在未知影响因素与各类不确定的数据信息。因此，大气环境质量仍属于相对模糊的体系。由于运用模糊分析法的过程中，不以人为划定的具体类型和指标为基础。以模糊分析法进行监测布点反而使原本较为模糊的问题变得清晰化。以该方法解决强度比较问题时，应当将监测点获得的不同指标数据整合为统一的污染水平评价指数。数据标准化需要建立基本结构单元，以无量纲数值体现环境污染对人类健康的影响程度，计算公式为：

大气环境污染往往是多种因素叠加而成，每个监测点与相邻点位因距离不同而产生变化，因此，需要用相似模糊矩阵表示各点之间的关系，计算公式为：

该公式中R为相似模糊矩阵，UT是参数矩阵U的转秩矩阵。

通过以上计算方式并结合最优分割法，可以最终确定合理的监测点分布位置。另外，需要在布点中应当尽可能的将监测点设置在不同的行政区域内，并在选定位置后组织实地考察，以便确定方法实施的有效性。

结语

综上所述，为优化大气质量评价模型及监测点布置方法。可以运用人工神经网络技术实现对非线性多维体系的分析，提高评价结果的有效性。同时，应当借助模糊分析法降低未知污染因素对监测数据的影响，为防治大气污染提供必要的数据支撑。