PMF在线源解析图文运行操作分解指南.docx

PMF在线源解析图文操作指南

1PMF源解析 1

1.1模型原理 1

1.2不确定度 2

1.3数据预处理 3

2下载地址 4

3PMF运算图文步骤 5

3.1数据输入 5

3.2基本设置 6

3.3基本模型运行 9

3.4运行结果 10

3.5误差评估 17

3.5.1DISPmethod 18

3.5.2BSmethod 20

3.5.3BS-DISPmethod 21

3.5.4ErrorEstimationsummary 23

3.6RotationalTools(旋转工具) 24

3.7输出文件说明 28

4其他说明 29

4.1如何确定因子数目? 29

4.2如何获取方法检出限MDL 29

4.3没有MDL,如何计算不确定度? 31

4.4如何确定误差系数? 32

4.5Qtrue、Qrobust和Qtheory(Qexp) 32

4.5.1Q值 32

4.5.2Qtheory即Qexp 33

4.5.3Qrobust/Qexp、还是Qtrue/Qexp? 33

5运行报错及解决方式 34

6源判断依据 35

6.1颗粒物 35

6.2VOC污染来源 35

1

1PMF源解析

PMF即正交矩阵因子分解法(PositiveMatrixFactorization)是由Paatero和Tapper在1993年提出的一种有效的数据分析方法。其思路是：首先利用权重计算出颗粒物中各化学组分的误差，然后通过最小二乘法来确定出颗粒物的主要污染源及其贡献率。与其他源解析方法相比，具有不需要测量源成分谱，分解矩阵中元素分担率为非负值，可以利用数据标准偏差来进行优化，并且可处理遗漏数据和不精确数据等特点。

1.1模型原理

模型的基本原理是假设环境样品X为nxm矩阵，n为样品数，m为化学成分，那么X可以被分解为污染源贡献矩阵G(n×p,p为污染源数目)和污染源成分谱矩阵F(p×m),(也有说法称G为源的载荷，F为主要污染源的源廓线)。则所测样本浓度可以表示为：

X=GF+E…………………(1。1)

xi;=Zk=19ikfkj+eij

或者

式中，xj为样品浓度矩阵X,即第i个样品中第j个物种的浓度，p为污染源数，gik是第k个污染源对第i个样品的贡献，fkj是第k个污染源中第j个物种的浓度，e;代表残差。

((部分内容隐藏，Ctrl+A全选内容，字体颜色改为黑色即可显示全部内容))

F

m}

P间数料本黏

w

得03

啉料

148mTy

×

3

9mj

国30

82

3

样：

柱

林本

fffim

5pfpi

194国3物网

194

国3

国32

因3

诉谱领件(物种献

模型对G和F矩阵进行非负约束(gik=0和fkj=0),当残差与不确定度比值的平方的加权值Q达到最小值，可以认为此次模型因子分解达到最优结果。PMF算法通过不断的最小化Q从而确定矩阵G和F,Q值的定义在式(1.2)。

….………………(1.2)

式(1。2)中，关于ej的定义在式(1。3)中。

………(1.3)

式(2-2)中，uij是样品的不确定度，其他各项含义同前，可以看出不确定度的取值对取得模型最优解至关重要。

1.2不确定度

传统的不确定度计算对于监测浓度低于和高于物种检出限的物种分别采用以下公式。

3

当实测浓度大于方法检出限时:

ui;=√(ErrorFraction×concentration)2+(0.5×MDL)2

现有研究中，误差系数ErrorFraction多是基于经验确定，一般在0。05-0。2之间。

注意：不确定度的值不能为非正数，浓度数据表格与不确定度表格的行列必须相同，否则不能继续后续运算。

1.3数据预处理

由于该模型使用的前提条件是假设各物种在传输过程中不发生任何化学变化，因此模型输入物种的意义和稳定性需要考虑。

其次，数据输入模型以后，需要对模型模拟的一些参数与实际观测的参数效果进行比较分析，以检验是否合适或需要对数据进行二次处理和检验。

再次，需要多尝试多个