基于激光诱导击穿拉曼光谱技术的大气颗粒污染源解析化学计量学理论和方法研究

Atmospheric particulate matter pollution has become a hot issue under global concern, its formation is complicated. At present, the main challenges is to resolve the major sources of atmospheric complex pollution quickly and accurately. The purpose of this project is to develop chemometric theories and methods for sources apportionment of atmospheric pollution. It will develop atmospheric sampling techniques based on atmospheric passive, and study the optimization of atmospheric sampling, atomic and molecular spectral signal, as well as optimize spectra analytical technology based on wavelet transform, and build the complex spectral resolution and feature extraction method based on the window moving two-dimensional correlation analysis. Based on the conventional sources apportionment methods, a new sources apportionment technology is proposed based on laser induced breakdown raman spectroscopy (LIBRAS) combined with random forest algorithms, and study the model selection strategy of random forest based on bilateral vote (BV) in order to carry out the choice and optimization of random forest model. At the same time, two-dimensional correlation and multidimensional principal component analysis are developed to extract feature information in order to improve the robustness of sources apportionment model based on random forest regression. Furthermore, the above developed theories and methods will be applied for the mimic and real atmospheric particulate matter, and evulated the universal validation of developed sources apportionment method and application demonstration research, and further revealed the temporal and spatial distribution of air pollution. The project will provide a series of new ideas and technologies for the real-time monitoring and effective prevention of atmospheric complex pollution.

大气颗粒物污染已成为全球关注的热点问题，其成因复杂，如何快速、准确解析大气复合污染来源是目前面临的主要难题。本项目拟对大气污染源解析的化学计量学理论和方法展开研究，发展基于大气被动的大气颗粒物采样技术，研究大气颗粒物采样以及原子和分子光谱信号最优化的控制策略，优化基于小波变换的光谱信号解析技术，构建窗口移动二维相关分析的复杂光谱分辨与特征提取方法；在传统的源解析方法基础上，提出一种激光诱导击穿拉曼光谱技术结合随机森林的源解析新方法，研究基于双方互相投票的随机森林模型选择策略，实现随机森林模型的选择与优化。同时，构建基于二维相关分析和多维主成分分析的特征提取方法，以提高基于随机森林回归的源解析模型稳健性。进一步将上述理论和方法用于模拟和实际大气颗粒物，并开展源解析方法普适性验证和应用示范研究，揭示大气污染的时空分布和污染特征。本项目将为大气复合污染的实时监测与有效防治提供新思路和新方法。

大气颗粒物污染已成为全球关注的热点问题，其成因复杂，如何快速、准确解析大气复合污染来源是目前面临的主要难题。本项目从复合大气污染源精准解析的实际需求出发，开展了大气污染源解析的化学计量学理论和方法研究，建立了基于激光诱导击穿光谱/拉曼光谱与化学计量学及机器学习策略相结合的大气污染源解析方法。（1）搭建并优化了LIBS-Raman光谱采集平台，发展了基于大气被动的大气颗粒物采样技术，研究了大气颗粒物采样以及原子和分子光谱信号最优化的控制策略，重点研究了基于小波变换的光谱信号解析技术，建立了基于小波变换和窗口移动二维相关分析的复杂光谱解析与特征提取技术。（2）探索了不同污染区域城市大气颗粒物的主要金属元素浓度分布规律，开展了LIBS/Raman光谱结合化学计量学方法的城市大气颗粒物中多环芳烃和金属元素定量分析方法研究，研究了基于小波变换（WT）、粒子群优化（PSO）、二维相关分析和多维主成分分析等的特征变量筛选与提取方法，重点探索了基于WT-平均影响值和V-WSP-PSO的两种混合变量选择方法，建立了基于混合变量选择策略结合随机森林以及极限学习机的定量分析方法。（3）在传统的源解析方法基础上，开展了基于LIBS-Raman技术结合化学计量学及机器学习策略的源解析方法研究，构建了基于双方互相投票和混合变量策略的随机森林和极限学习机模型。进一步以模拟和实际大气颗粒物为研究对象，开展了源解析方法普适性验证和应用示范研究，建立了基于LIBS/Raman光谱结合化学计量学方法的城市大气污染源解析及判别分析方法。此外探索性地建立了城市大气颗粒物中多环芳烃（PAHs）致癌性判别分析方法，重金属的污染特征、污染水平及潜在生态风险因子分析方法。本项目揭示了大气颗粒污染物的时空分布和污染特征，可为大气复合污染的实时监测与有效防治提供新思路和新方法。