一种基于卷积神经网络的源解析因子识别方法

作者：孟祥来; 孙扬; 廖婷婷; 张琛; 张成影

来源：环境科学学报, 2022, 42(08): 117-126.

DOI：10.13671/j.hjkxxb.2021.0575

• 源解析
• 正定矩阵分解（PMF）
• 卷积神经网络（CNN）
• PM2.5

为解决源解析因子识别过程中人为参与及判定过程复杂的问题，提高源解析因子识别工作的效率，提出基于卷积神经网络（CNN）的源解析因子识别方法.通过文献调研，构造可供CNN模型训练的因子识别数据集，对因子识别模型进行训练与调试，并以北京市南部采样点的PM2.5组分观测数据对模型进行验证.同时，利用正定矩阵分解模型（PMF）解析得到不同因子数时的源谱矩阵，输入因子识别模型并与人工分析比对.结果表明，9个因子时模型的识别效果最佳，可以实现既无重复识别又无“无法判定”的情况，与源解析因子人工识别结果吻合，证明了所提出方法的合理性与可行性.该方法不仅对源解析中因子识别问题具有一定的实用价值，同时对减排策略的制定与动态调整也具有积极意义.

• 单位
  中国科学院大气物理研究所; 成都信息工程大学; 中国科学院大学