本發(fā)明涉及污染源排放大氣顆粒物特征研究，具體涉及一種基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法及裝置。

背景技術(shù)：

1、大氣顆粒物污染對氣候、生態(tài)系統(tǒng)和人類健康有顯著的影響，近年來被社會各界廣泛關(guān)注。大氣顆粒物的主要來源有自然來源如土壤塵和人為來源如生物質(zhì)燃燒、燃煤源等。為更準(zhǔn)確識別大氣顆粒物來源并定量源貢獻(xiàn)，研究污染源排放的顆粒物特征非常重要。

2、目前，現(xiàn)有的研究大多采用離線化學(xué)分析方法，使用濾膜采集顆粒物，分析顆粒物中碳組分(oc、ec)、水溶性離子(如so42-、no3-、cl-、f-等)和金屬元素(na、mg、al、ca、fe等)等。然而這些方法都是對整體樣品進(jìn)行分析，可能會掩蓋不同污染源排放的單個顆粒物的細(xì)微特征。

3、基于電鏡分析的大氣顆粒物研究表明不同污染源排放的顆粒物在單顆粒形貌和化學(xué)成份上具有差異性，然而目前尚無一種基于單顆粒形貌、粒徑和化學(xué)成份的污染源排放顆粒物標(biāo)識特征識別方法。

4、因此，如何發(fā)明一種大氣污染源排放顆粒物標(biāo)識性特征識別方法，充分挖掘不同污染源排放的單顆粒信息，指征污染源排放的顆粒物標(biāo)識特征，成為亟需解決的問題。

技術(shù)實現(xiàn)思路

1、為此，本發(fā)明提供一種基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法及裝置。該方法可以充分挖掘不同污染源排放的單顆粒信息，指征污染源排放的顆粒物標(biāo)識特征；還可以分析不同特征在污染源識別過程中發(fā)揮的作用，可用于進(jìn)一步深入分析不同大氣污染源排放顆粒物的理化特征研究和大氣顆粒物來源解析研究。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法，包括：

3、通過應(yīng)用計算機(jī)控制的掃描電鏡對收集的設(shè)定污染源的樣品進(jìn)行分析，獲得所述污染源樣品中顆粒物的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)，構(gòu)建污染源樣品的單顆粒數(shù)據(jù)集；

4、按照設(shè)定比例將所述單顆粒數(shù)據(jù)集隨機(jī)劃分為第一數(shù)據(jù)集和第二數(shù)據(jù)集；所述第一數(shù)據(jù)集用于單顆粒排放源預(yù)測模型的訓(xùn)練；所述第二數(shù)據(jù)集用于所述單顆粒排放源預(yù)測模型的驗證；

5、根據(jù)殘差網(wǎng)絡(luò)模型與極致梯度提升模型，構(gòu)建單顆粒排放源預(yù)測模型；通過所述第一數(shù)據(jù)集對所述單顆粒排放源預(yù)測模型進(jìn)行迭代訓(xùn)練；通過所述第二數(shù)據(jù)集對所述單顆粒排放源預(yù)測模型的預(yù)測結(jié)果進(jìn)行驗證，獲得訓(xùn)練好的所述單顆粒排放源預(yù)測模型；

6、將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值；

7、通過shap值策略對所述單顆粒排放源預(yù)測模型進(jìn)行解釋，將所述單顆粒排放源預(yù)測模型在決策時采用的所述目標(biāo)單顆粒的關(guān)鍵特征作為所述設(shè)定污染源排放所述目標(biāo)單顆粒的標(biāo)識性特征。

8、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法的優(yōu)選方案，在通過應(yīng)用計算機(jī)控制的掃描電鏡對收集的所述設(shè)定污染源的樣品進(jìn)行分析的過程中，所述設(shè)定污染源包括：土壤塵、道路塵、建筑塵、煤煙塵、生物質(zhì)燃燒塵和鋼鐵冶煉塵。

9、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法的優(yōu)選方案，在將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值的過程中，通過所述殘差網(wǎng)絡(luò)模型提取所述目標(biāo)單顆粒的圖像特征，并根據(jù)所述目標(biāo)單顆粒的圖像特征初步預(yù)測所述目標(biāo)單顆粒的來源，獲得所述目標(biāo)單顆粒屬于設(shè)定污染源的初步概率值。

10、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法的優(yōu)選方案，在將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值的過程中，將所述目標(biāo)單顆粒屬于所述設(shè)定污染源的初步概率值與所述目標(biāo)單顆粒的粒徑參數(shù)、成分?jǐn)?shù)據(jù)進(jìn)行合并，并輸入所述極致梯度提升模型中，通過所述極致梯度提升模型預(yù)測，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值。

11、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法的優(yōu)選方案，在通過所述shap策略對所述單顆粒排放源預(yù)測模型進(jìn)行解釋的過程中，shap值的表達(dá)式為：

12、

13、式中，φj為shap值；k為所有輸入變量的集合；s為沒有變量j的子集。如果φj>0，則表示該變量對預(yù)測有積極影響；如果φj<0，則表示該變量對預(yù)測有負(fù)面影響。

14、本發(fā)明還提供基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別裝置，采用以上所述的基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別方法，包括：

15、單顆粒數(shù)據(jù)集獲取模塊，用于通過應(yīng)用計算機(jī)控制的掃描電鏡對收集的設(shè)定污染源的樣品進(jìn)行分析，獲得所述污染源樣品中顆粒物的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)，構(gòu)建污染源樣品的單顆粒數(shù)據(jù)集；

16、單顆粒數(shù)據(jù)集劃分模塊，用于按照設(shè)定比例將所述單顆粒數(shù)據(jù)集隨機(jī)劃分為第一數(shù)據(jù)集和第二數(shù)據(jù)集；所述第一數(shù)據(jù)集用于單顆粒排放源預(yù)測模型的訓(xùn)練；所述第二數(shù)據(jù)集用于所述單顆粒排放源預(yù)測模型的驗證；

17、單顆粒排放源預(yù)測模型構(gòu)建及訓(xùn)練模塊，用于根據(jù)殘差網(wǎng)絡(luò)模型與極致梯度提升模型，構(gòu)建單顆粒排放源預(yù)測模型；通過所述第一數(shù)據(jù)集對所述單顆粒排放源預(yù)測模型進(jìn)行迭代訓(xùn)練；通過所述第二數(shù)據(jù)集對所述單顆粒排放源預(yù)測模型的預(yù)測結(jié)果進(jìn)行驗證，獲得訓(xùn)練好的所述單顆粒排放源預(yù)測模型；

18、單顆粒所屬污染源概率獲取模塊，用于將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值；

19、單顆粒標(biāo)識性特征獲取模塊，用于通過shap策略對所述單顆粒排放源預(yù)測模型進(jìn)行解釋，將所述單顆粒排放源預(yù)測模型在決策時采用的所述目標(biāo)單顆粒的關(guān)鍵特征作為所述設(shè)定污染源排放所述目標(biāo)單顆粒的標(biāo)識性特征。

20、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別裝置的優(yōu)選方案，所述單顆粒數(shù)據(jù)集獲取模塊中，在通過應(yīng)用計算機(jī)控制的掃描電鏡對收集的所述設(shè)定污染源的樣品進(jìn)行分析的過程中，所述設(shè)定污染源包括：土壤塵、道路塵、建筑塵、煤煙塵、生物質(zhì)燃燒塵和鋼鐵冶煉塵。

21、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別裝置的優(yōu)選方案，所述單顆粒所屬污染源概率獲取模塊中，在將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值的過程中，通過所述殘差網(wǎng)絡(luò)模型提取所述目標(biāo)單顆粒的圖像特征，并根據(jù)所述目標(biāo)單顆粒的圖像特征初步預(yù)測所述目標(biāo)單顆粒的來源，獲得所述目標(biāo)單顆粒屬于設(shè)定污染源的初步概率值。

22、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別裝置的優(yōu)選方案，所述單顆粒所屬污染源概率獲取模塊中，在將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值的過程中，將所述目標(biāo)單顆粒屬于所述設(shè)定污染源的初步概率值與所述目標(biāo)單顆粒的粒徑參數(shù)、成分?jǐn)?shù)據(jù)進(jìn)行合并，并輸入所述極致梯度提升模型中，通過所述極致梯度提升模型預(yù)測，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值。

23、作為基于掃描電鏡技術(shù)的大氣顆粒物標(biāo)識特征識別裝置的優(yōu)選方案，所述單顆粒標(biāo)識性特征獲取模塊中，在通過所述shap策略對所述單顆粒排放源預(yù)測模型進(jìn)行解釋的過程中，shap值的表達(dá)式為：

24、

25、式中，φj為shap值；k為所有輸入變量的集合；s為沒有變量j的子集。如果φj>0，則表示該變量對預(yù)測有積極影響；如果φj<0，則表示該變量對預(yù)測有負(fù)面影響。

26、本發(fā)明具有如下優(yōu)點：通過應(yīng)用計算機(jī)控制的掃描電鏡對收集的設(shè)定污染源的樣品進(jìn)行分析，獲得所述污染源樣品中顆粒物的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)，構(gòu)建污染源樣品的單顆粒數(shù)據(jù)集；按照設(shè)定比例將所述單顆粒數(shù)據(jù)集隨機(jī)劃分為第一數(shù)據(jù)集和第二數(shù)據(jù)集；所述第一數(shù)據(jù)集用于單顆粒排放源預(yù)測模型的訓(xùn)練；所述第二數(shù)據(jù)集用于所述單顆粒排放源預(yù)測模型的驗證；根據(jù)殘差網(wǎng)絡(luò)模型與極致梯度提升模型，構(gòu)建單顆粒排放源預(yù)測模型；通過所述第一數(shù)據(jù)集對所述單顆粒排放源預(yù)測模型進(jìn)行迭代訓(xùn)練；通過所述第二數(shù)據(jù)集對所述單顆粒排放源預(yù)測模型的預(yù)測結(jié)果進(jìn)行驗證，獲得訓(xùn)練好的所述單顆粒排放源預(yù)測模型；將目標(biāo)單顆粒的圖像、成分?jǐn)?shù)據(jù)和粒徑參數(shù)輸入訓(xùn)練好的所述單顆粒排放源預(yù)測模型中進(jìn)行處理，獲得所述目標(biāo)單顆粒屬于所述設(shè)定污染源的概率值；通過shap策略對所述單顆粒排放源預(yù)測模型進(jìn)行解釋，將所述單顆粒排放源預(yù)測模型在決策時采用的所述目標(biāo)單顆粒的關(guān)鍵特征作為所述設(shè)定污染源排放所述目標(biāo)單顆粒的標(biāo)識性特征。本發(fā)明可以充分挖掘不同污染源排放的單顆粒信息，指征污染源排放的顆粒物標(biāo)識特征；還可以分析不同特征在污染源識別過程中發(fā)揮的作用，可用于進(jìn)一步深入分析不同大氣污染源排放顆粒物的理化特征研究和大氣顆粒物來源解析研究。