源解析中环境受体数据处理与扩展方法的建立

本文对包含污染源或气象条件等发生剧烈变化且数据量小的实测受体数据进行了正态扩展,得到扩展数据.同时,利用PMF和PCA模型验证了扩展方法得到的数据量是否能满足模型的要求.结果表明,扩展范围和扩展受体成分谱个数是两个影响扩展数据合理性的主要因素,最佳扩展条件为:扩展范围取标准差的0.5倍,扩展受体成分谱个数为6个.通过53 h算法标记出每个化学成分时间序列中能够代表污染源或气象条件等发生剧烈变化的值并给出对应的估计值.将与估计值的相对误差(RE)超过80%的被标记的值剔除,其余的替换成估计值,发现扩展后PCA解析结果与原始数据处理后数据解析结果基本一致,能够得到主要贡献的污染源及贡献率;若将被标记的值全部剔除后,则不适合做PCA解析;仅通过PMF验证,且扩展数据与原始数据的解析结果中污染源类的判断一致.将受体数据各化学成分的时间序列中代表污染源或气象条件等发生剧烈变化的值替换成53 h算法给出的估计值,对于受体数据量小且用无源成分谱的多元统计方法解析无法给出结果的情况下的源解析有更大价值