论文部分内容阅读
土壤重金属污染不但影响农产品产量与品质，而且涉及大气和水环境质量，并可通过食物链危害动物和人类的生命和健康。土壤重金属污染治理问题对环境质量和经济的可持续发展具有重要的意义。本研究运用指数法研究铅、镉、汞及其综合污染情况；运用地统计学分析J市土壤重金属污染的空间分布；运用PSO-PPE法、SVM法及组合定理对J市土壤重金属污染进行评价，目的是为J市土壤重金属污染防治工作提供科学依据。
首先，用指数法对铅、镉、汞三种重金属含量数据进行处理，计算各样本的内梅罗指数，结合国家给定的重金属含量等级，对单项指数和内梅罗指数进行定量分析，判断各地区所处重金属污染等级，结果表明J市土壤状况良好，大部分地区属于清洁尚清洁状态，局部地区有轻度污染。
其次，对数据进行Kolmogorov-Smimov正态性检验，数据均不服从正态分布，自然对数转换后，数据的总体分布更接近于正态分布；采用格拉布斯法和平均值加标准差法对数据中的异常值进行剔除；以地统计学的半方差理论为工具，使用GS+7.0对重金属含量数据进行半方差最优拟合，并ArcGIS 9.3进行克里格插值，得到J市的重金属污染空间分布图。
第三，建立J市土壤重金属污染的基于粒子群算法的投影寻踪等级评价模型，利用降维的思想对土壤重金属含量进行污染评价。该评价模型的平均绝对误差为0.0207，平均相对误差为0.63％，SSE=0.0026，R2=0.9997，精度较高，可用于描述污染指标与土壤等级之间的关系。
第四，利用支持向量(SVM)分类方法，采用结构风险最小化原则，借助最优化等方法，对样本进行污染等级评价。本文按照N（训练集）：N（测试集)3：1的标准划分数据，选用径向基函数作为核函数，应用交叉验证拟合优化法，利用MATLAB R2008a编程实现，确定出最优参数(gamma 0.2 )=(51.3133 1.97828)，测试样本的分类准确率达到81.37％。
最后，为了尽可能多地利用有用信息，本文应用组合原理，以拟合优度法确定权重组合以上三种模型。以上各模型都进行了空间插值，由此得到J市土壤重金属含量的空间动态分布。
模型对J市土壤重金属污染评价的结果表明J市大部分地区土壤环境清洁，只有东北部、东南部和中部小部分地区有轻度污染。由此提出如下建议：J市东北部、东南部及中部地区需改变耕作方式，有关部门要严格监控和管理化工厂的废水废气排放；避免在J市东部，南部和西北部等土壤环境良好的地区建设工厂，以保持其清洁的土壤环境。
本研究创新点及科研价值在于改进了投影寻踪等级评价模型，以粒子群优化算法(PSO)替代传统的遗传算法，与遗传算法相比，PSO的优势在于算法简单，易于实现并且没有许多参数需要调整；在支持向量分类算法(SVM)中，用交叉验证优化算法替代常用的网格搜索法，提高了SVM的分类准确率；用组合定理组合本文提出的三种评价模型，充分利用已知信息，增强了系统的评价性能；利用MATLAB编程实现空间插值，得到的空间污染评价结果，可为J市土壤重金属污染防治工作提供科学依据。