1、大氣環境質量評價方法研究綜述孫靜 摘要介紹了目前大氣環境質量評價方法的種類和優缺點，前瞻了將來能夠有所發展的大氣環境質量評價新方法。并運用模糊集理論中的權距離和隸屬度概念推導出一種改進的大氣環境質量評價方法，評價過程能充分利用實際數據所包含的各種信息。針對提出的方法進行了一系列的實例驗證，證明了其可行性與優越性。關鍵詞 大氣環境質量評價 模糊綜合分析法 分級標準一、引言大氣環境質量評價(atmosph ericenvironmental quality evaluation)是指根據不同的目的和要求，按照一定的原則和評價標準，用一定的評價方法對大氣環境質量的優劣進行定性或定量的評估。大氣環境質

2、量評價的目的是準確闡明大氣污染的現狀和質量水平，指出未來發展的趨勢和可能采取的最優化對策或措施等。大氣環境質量評價的主要內容包括:第一，對污染源的調查與分析，從而確定主要的污染源和污染物，找出污染物的排放方式、途徑、特點和規律。第二，對大氣污染現狀的評價。根據污染源調查結果和環境監測數據的分析，確定大氣污染的程度。第三，對大氣自凈能力的評價。研究主要污染物的大氣擴散、變化規律，闡明在不同氣象條件下對環境污染的分布范圍與強度。第四，對生態系統及人體健康影響的評價。通過環境流行病學調查，分析大氣污染對生態系統和人體健康已產生的效應。第五，對環境經濟學的評價。通過因大氣污染所造成的直接或間接的經濟損

3、失，進行調查與統計分析。進行大氣環境質量評價一般用大氣質量指數來衡量與評定大氣污染的程度。二、常用的大氣環境質量評價方法常用的大氣環境質量評價方法有綜合指數法，主分量分析法，層次決策法，模糊集理論及灰色系統分析等。這些方法已用于大氣環境質量分析與評價，其中以模糊集理論與指數法相結合的模糊指數分析法為應用最廣泛的方法。2.1 模糊綜合分析法大氣環境質量評價是一項復雜的工作，且影響空氣質量的因素較多，由于大氣環境質量評價中存在著不確定性即模糊性，因此用模糊綜合評價方法更為合理。模糊綜合評價不僅考慮多因素的影響，而且評價結果包含較多的信息，利用級別特征值就可以判定評價結果的等級。大氣環境質量的預測也

4、是一項比較復雜的問題，因為空氣中的各項污染物的濃度不僅隨著一天時刻的變化而變化，而且還具有季節性，如一天當中清晨的空氣質量較好，一年當中夏天的空氣質量較好，所以選擇大氣環境質量發展趨勢的預測指標極為重要。隨著控制和治理大氣環境污染措施的逐步加大，大氣環境質量呈逐步轉好趨勢。大氣環境質量的摸糊綜合評價結果，即級別變量的特征值具有較好的規律性，基本呈現出逐年減少的趨勢，反映出大氣環境質量的發展趨勢。因此，在大氣環境質量趨勢預測時，可以選定每年的大氣環境質量的模糊綜合評價指際作為基本數據，年大氣環境質量作為預測對象。2.2 灰色系統理論大氣環境是一個多因素相互耦合的復雜系統，各種污染物的時空分布受到

5、眾多因素的制約，而環境質量評價中所使用的監測數據是在有限時間及空間內獲得的，即所提供信息是灰色的。因此，灰色系統理論認為，任何隨機過程都是一定時空區域變化的灰色過程。它以小樣本、貧信息的不確定性系統作為研究對象，將隨機過程看作是在一定時空區域變化的與時間有關的灰色過程，通過對已知信息的加工處理，挖掘其內部隱含的有價值的信息，使灰色問題淡化或白化，從而對整個系統現狀和未來實現更好的掌控。三、大氣環境質量評價新方法前瞻目前在國際上有所發展的大氣環境質量評價方法有人工神經網絡 (ANN)、物元可拓集 (MEES)、集對分析 (SPA)、遺傳算法 (GA)和投影尋蹤技術(PP)等。3.1 人工神經網絡

6、理論較為常用的人工神經網絡理論有BP網絡和RBF網絡兩種，其中BP網絡應用更為廣泛而簡便。兩種網絡結構的最簡示意圖分別如下：在理論上，RBF網絡和BP網絡一樣能以任意精度逼近任何非線性函數。但由于它們使用的激勵函數不同，其逼近性能也不相同。Poggio和Girosi已經證明，RBF網絡是連續函數的最佳逼近，而BP網絡不是。BP網絡使用的Sigmoid函數具有全局特性，它在輸入值的很大范圍內每個節點都對輸出值產生影響，并且激勵函數在輸入值的很大范圍內相互重疊，因而相互影響，因此BP網絡訓練過程很長。此外，由于BP算法的固有特性，BP網絡容易陷入局部極小的問題不可能從根本上避免，并且BP網絡隱層節

7、點數目的確定依賴于經驗和試湊，很難得到最優網絡。采用局部激勵函數的RBF網絡在很大程度上克服了上述缺點，RBF不僅有良好的泛化能力，而且對于每個輸入值，只有很少幾個節點具有非零激勵值，因此只需很少部分節點及權值改變。學習速度可以比通常的BP算法提高上千倍,容易適應新數據，其隱層節點的數目也在訓練過程中確定，并且其收斂性也較BP網絡易于保證，因此可以得到最優解。3.2 集對分析法集對分析是我國學者趙克勤提出的一種針對確定與不確定問題進行定量分析的新理論，由于其數學表達簡單，物理意義明確，形象直觀，因而目前已在許多領域得到了廣泛的應用。由于大氣環境監測數據往往缺乏時間和空間的連續性，以及環境質量標

8、準等級劃分的相對性，因此空氣環境是一個僅能明確部分信息的不確定性系統，從而使運用集對分析法對空氣環境質量進行評價成為一個可行的方法。因為集對分析中的差異度標示系數i不易確定，因此常將遺傳算法引入集對分析中，結合空氣質量評價實例，對i值進行優化確定。四、改進的大氣環境質量的模糊評價模式4.1 研究目的與方法由于大氣環境污染程度由輕到重是逐漸過渡的，沒有明確的界限，因此對大氣環境質量進行綜合評價時適宜應用模糊集理論方法。近年來已有一些研究成果陸續發表 ,但目前大多運用模糊綜合評判模型B=A·R，其中以M(,)模型最為普遍。此方法雖較簡便直觀 ,但運用模糊綜合評判模型M (,)進行評價時易

9、使評價結果分級不清甚至背離實際情況。因此，以模糊集理論中的權距離概念來表示待評價的大氣環境質量監測樣本與已知的大氣環境質量分級標準之間的差異，提出一種改進的大氣環境質量模糊評價模式，評價過程能充分利用實際數據所包含的各種信息。與模糊綜合評判模型的同一應用實例進行比較，結果表明應用該方法得到的評價結果更為合理準確。4.2 改進的模糊評價模式的構建已知分級數或分類數為的統一規定的大氣環境質量標準，其項評價因子即污染指標所對應的各級標準值構成了大氣環境質量評價標準值矩陣。設現有組大氣環境質量狀況有待于根據上述評價標準進行分級評價 ,組成了評價樣本集，其相應的項大氣環境污染指標的監測值構成大氣環境質量

10、監測值矩陣X。其中yih>0，xij<0，i=1，2，m；j=1，2，n；h=1，2，c。大氣環境質量評價是分析大氣污染程度的過程，而污染屬于模糊概念，可用模糊集合論中的隸屬度來描述。由于分級數越小時表明大氣環境質量越好，則可規定第i項大氣環境污染指標的第1級標準值對于模糊子集“污染”的隸屬度si1=0，而第c級標準值yic的隸屬度sic=1；介于1級與c級之間的第h級標準值yih的隸屬度sih可按線性內插公式來確定顯然0sih1。則由上式可將評價標準值矩陣變換為大氣環境質量標準值模糊矩陣由于污染指標監測值越大表明大氣環境污染越嚴重，可根據下式將各個污染指標監測值規格化為指標隸屬度

11、，從而將大氣環境質量檢測值矩陣變換為大氣環境質量檢測值模糊矩陣從毒理學和衛生學角度考慮，不同大氣環境污染指標對人類健康和生態環境的危害性有所差異，因此項污染指標在評價過程中的地位和重要程度有時并不相同，評價時應考慮其危害性權重。設污染指標的危害性權向量為根據大氣環境質量標準值模糊矩陣S，第h級別標準可用向量表示類似地，由大氣環境質量檢測模糊矩陣R，第j個樣本可用向量表示根據模糊集理論中權距離的定義和概念，第j個樣本與評價標準的第h級別之間的差異可用考慮了評價指標權重的廣義權距離來表達，其中p為距離參數，p=1時是海明距離，p=2是歐氏距離。則對于所有n個待評價的監測樣本和c級評價標準，可建立差

12、異矩陣差異矩陣D反映了各個待評價監測樣本對于各級評價標準的貼近程度，dhj越小表明第j個樣本越貼近于第h級標準，即第j個樣本隸屬于第h級標準的程度vhj越大。也就是說，隸屬程度vhj與貼近程度dhj成反比關系即為直觀和便于比較，將同一樣本的c個隸屬程度值歸一化，得到第j個樣本對于第h級標準的分級隸屬度uhj，其計算模型為：只要已知待評價樣本中各項污染指標的監測結果，根據大氣環境質量標準通過上述分級隸屬度的計算模型就可以計算確定樣本對于各級評價標準的分級隸屬度。然后依據隸屬度最大原則，可直接確定該監測樣本的評價結果為最大分級隸屬度所對應的大氣環境質量級別。4.3 應用實例及分析分別將大氣環境質量

13、分級標準模糊矩陣S、污染指標監測值模糊矩陣R和指標危害性權向量代入分級隸屬度計算模型中，取距離參數p=2，計算得到宜賓市城區1985年1989年各年度的大氣環境質量對5級大氣環境質量標準的分級隸屬度和相對應的評價結果，如附表所示。距離參數p=1時，分級隸屬度值雖不同，但評價結果相同。附表宜賓市城區1985-1989年大氣環境質量模糊評價結果由附表可知，運用模糊綜合評判模型得到的評價結果各級隸屬度值比較均化，區別不是很明顯。特別是對1985年度的大氣環境質量的評價結果，其隸屬于級和級大氣環境質量標準的隸屬度均為0.38，難以做出明確判斷。而應用本文提出的模糊評價方法所得到的結果比較離散，可明確判斷其應屬于級質量標準。另值得一提的是，1986年度和1989年度的大氣環境質量文獻1中均評為級。而實際上4項污染指標中只有SO2的監測濃度略小于級標準，其它3項的監測值均低于級或級標準，因此綜合評判為級大氣環境質量標準的結論顯然是不合理的，二者均屬于級標準即中污染更切合實際。導致模糊綜合評判模型評價結果均化和失真的根本原因在于一是模糊向量A限定了隸屬度取值