第40卷第12期2022年12月环境工程EnvironmentalEngineeringVol．40No．12Dec．2022收稿日期:2022－04－18基金项目:大气污染物卫星遥感反演技术开发与应用研究(JSYFB-0501-202012-0237)第一作者:谢伟(1979－)，男，副高级工程师，主要研究方向为环境监测与环境管理。12341617@qq．com*通信作者:徐娇(1992－)，女，工程师，主要研究方向为大气污染来源解析技术。xujiaonku@hotmail．comDOI:10.13205/j．hjgc．202212031谢伟，徐娇，林致国，等．基于BP神经网络的VOCs实时源解析方法［J］．环境工程，2022，40(12):231－238．基于BP神经网络的VOCs实时源解析方法谢伟1徐娇2*林致国1颜滴2张英磊2(1．镇江新区生态环境和应急管理局，江苏镇江212000;2．北京首创大气环境科技股份有限公司，北京100176)摘要:为了提高挥发性有机物(VOCs)源解析的时效性，基于BP神经网络提出了对VOCs监测数据进行实时源解析的PBP模型。利用验证数据证实了PBP模型可获得与PMF模型准确性相当的源解析结果，并且PBP模型具有不受输入数据量限制且计算速度快的优点。将PBP模型应用于长三角某工业园区监测时长为10个月的VOCs组分在线数据并计算得到高时间分辨率的源解析结果，发现监测点位VOCs主要来源为工业源(25%)＞燃煤源(20%)＞汽油车尾气源(18%)＞溶剂使用源(15%)＞柴油车船舶尾气混合源(12%)＞油品挥发源(6%)＞植物源(5%)。此外，结合风速风向数据对各污染源主要贡献方位进行识别，为VOCs的精确管理和控制提供参考，且具有较大的源解析应用潜力。关键词:挥发性有机物(VOCs);在线监测;BP神经网络;PMF;来源解析ＲESEAＲCHONＲEAL-TIMESOUＲCEAPPOＲTIONMENTMETHODOFVOCsBASEDONBPNEUＲALNETWOＲKXIEWei1，XUJiao2*，LINZhiguo1，YANDi2，ZHANGYinglei2(1．ZhenjiangNewAreaEcologicalEnvironmentandEmergencyManagementBureau，Zhenjiang212000，China;2．BeijingCapitalAirEnvironmentalScience＆TechnologyCo．，Ltd，Beijing100176，China)Abstract:InordertoimprovetheefficiencyofVOCssourceapportionmentwork，aPBPmodelbasedonBPneuralnetworkwasproposed，whichcouldanalyzeVOCsmonitoringdatainrealtime．Themodelwasvalidatedwiththetestdataset，andtheresultsshowedthatithadthesameaccuracyasPMFmodel．Besides，ithadtheadvantagesofnolimitationfromthevolumeofdataandfastcomputingspeed．ThePBPmodelwasappliedtothehourlyresolutiononlineVOCsdatasetofanind...
