用自组织特征映射神经网络对飞行时间质谱采集的大气气溶胶单粒子进行分类

气溶胶飞行时间质谱仪（ATOFMS）在对气溶胶粒子的测量过程中，产生大量包含单粒子化学成分和粒径信息的数据。本研究采用具备矢量量化与数据降维能力的自组织特征映射网络（SOM），对自制的气溶胶飞行时间质谱仪24h采集到的室内大气气溶胶质谱数据进行聚类分析。获得“含钙”、“盐类和二次气溶胶”、“二次颗粒”、“有机胺”、“富含钾有机物”、“无机盐”和“土壤”等20类颗粒。相比于其它聚类方法，SOM可进行可视化分析，对神经元进行再次聚类，聚类中心多。这些分类信息将有助于评估气溶胶粒子的反应和毒性，以及鉴别气溶胶粒子的起源。