大气环境质量评价方法综述
大气环境质量评价方法研究综述
孙静20061320009
摘要介绍了目前大气环境质量评价方法的种类和优缺点，前瞻了将来能够有所发展的大气环境质量评价新方法。并运用模糊集理论中的权距离和隶属度概念推导出一种改进的大气环境质量评价方法，评价过程能充分利用实际数据所包含的各种信息。针对提出的方法进行了一系列的实例验证，证明了其可行性与优越性。
关键词大气环境质量评价模糊综合分析法分级标准
一、引言
大气环境质量评价(atmosph ericenvironmental quality evaluation)是指根据不同的目的和要求，按照一定的原则和评价标准，用一定的评价方法对大气环境质量的优劣进行定性或定量的评估。
大气环境质量评价的目的是准确阐明大气污染的现状和质量水平，指出未来发展的趋势和可能采取的最优化对策或措施等。
大气环境质量评价的主要内容包括:第一，对污染源的调查与分析，从而确定主要的污染源和污染物，找出污染物的排放方式、途径、特点和规律。第二，对大气污染现状的评价。根据污染源调查结果和环境监测数据的分析，确定大气污染的程度。第三，对大气自净能力的评价。研究主要污染物的大气扩散、变化规律，阐明在不同气象条件下对环境污染的分布范围与强度。第四，对生态系统及人体健康影响的评价。通过环境流行病学调查，分析大气污染对生态系统和人体健康已产生的效应。第五，对环境经济学的评价。通过因大气污染所造成的直接或间接的经济损失，进行调查与统计分析。
进行大气环境质量评价一般用大气质量指数来衡量与评定大气污染的程度。
二、常用的大气环境质量评价方法
常用的大气环境质量评价方法有综合指数法，主分量分析法，层次决策法，模糊集理论及灰色系统分析等。这些方法已用于大气环境质量分析与评价，其中以模糊集理论与指数法相结合的模糊指数分析法为应用最广泛的方法。
2.1 模糊综合分析法
大气环境质量评价是一项复杂的工作，且影响空气质量的因素较多，由于大气环境质量评价中存在着不确定性即模糊性，因此用模糊综合评价方法更为合理。模糊综合评价不仅考虑多因素的影响，而且评价结果包含较多的信息，利用级别特征值就可以判定评价结果的等级。
大气环境质量的预测也是一项比较复杂的问题，因为空气中的各项污染物的浓度不仅随
着一天时刻的变化而变化，而且还具有季节性，如一天当中清晨的空气质量较好，一年当中夏天的空气质量较好，所以选择大气环境质量发展趋势的预测指标极为重要。随着控制和治理大气环境污染措施的逐步加大，大气环境质量呈逐步转好趋势。大气环境质量的摸糊综合评价结果，即级别变量的特征值具有较好的规律性，基本呈现出逐年减少的趋势，反映出大气环境质量的发展趋势。因此，在大气环境质量趋势预测时，可以选定每年的大气环境质量的模糊综合评价指际作为基本数据，年大气环境质量作为预测对象。
2.2 灰色系统理论
大气环境是一个多因素相互耦合的复杂系统，各种污染物的时空分布受到众多因素的制约，而环境质量评价中所使用的监测数据是在有限时间及空间内获得的，即所提供信息是灰色的。
因此，灰色系统理论认为，任何随机过程都是一定时空区域变化的灰色过程。它以小样本、贫信息的不确定性系统作为研究对象，将随机过程看作是在一定时空区域变化的与时间有关的灰色过程，通过对已知信息的加工处理，挖掘其内部隐含的有价值的信息，使灰色问题淡化或白化，从而对整个系统现状和未来实现更好的掌控。
三、大气环境质量评价新方法前瞻
目前在国际上有所发展的大气环境质量评价方法有人工神经网络(ANN)、物元可拓集(MEES)、集对分析(SPA)、遗传算法(GA)和投影寻踪技术(PP)等。
3.1 人工神经网络理论
较为常用的人工神经网络理论有BP网络和RBF网络两种，其中BP网络应用更为广泛而简便。
两种网络结构的最简示意图分别如下：
在理论上，RBF网络和BP网络一样能以任意精度逼近任何非线性函数。但由于它们使用的激励函数不同，其逼近性能也不相同。Poggio和Girosi已经证明，RBF网络是连续函数的最佳逼近，而BP网络不是。BP网络使用的Sigmoid函数具有全局特性，它在输入值的很大范围内每个节点都对输出值产生影响，并且激励函数在输入值的很大范围内相互重叠，因而相互影响，因此BP网络训练过程很长。
此外，由于BP算法的固有特性，BP网络容易陷入局部极小的问题不可能从根本上避免，并且BP网络隐层节点数目的确定依赖于经验和试凑，很难得到最优网络。采用局部激励函数的RBF网络在很大程度上克服了上述缺点，RBF不仅有良好的泛化能力，而且对于每个输入值，只有很少几个节点具有非零激励值，因此只需很少部分节点及权值改变。学习速度可以比通常的BP算法提高上千倍,容易适应新数据，其隐层节点的数目也在训练过程中确定，并且其收敛性也较BP网络易于保证，因此可以得到最优解。
3.2 集对分析法
集对分析是我国学者赵克勤提出的一种针对确定与不确定问题进行定量分析的新理论，由于其数学表达简单，物理意义明确，形象直观，因而目前已在许多领域得到了广泛的应用。由于大气环境监测数据往往缺乏时间和空间的连续性，以及环境质量标准等级划分的相对性，因此空气环境是一个仅能明确部分信息的不确定性系统，从而使运用集对分析法对空气环境质量进行评价成为一个可行的方法。
因为集对分析中的差异度标示系数i不易确定，因此常将遗传算法引入集对分析中，结合空气质量评价实例，对i值进行优化确定。
四、改进的大气环境质量的模糊评价模式
4.1 研究目的与方法
由于大气环境污染程度由轻到重是逐渐过渡的，没有明确的界限，因此对大气环境质量进行综合评价时适宜应用模糊集理论方法。近年来已有一些研究成果陆续发表,但目前大多运用模糊综合评判模型B=A·R，其中以M(∧,∨)模型最为普遍。此方法虽较简便直观,但
运用模糊综合评判模型M (∧,∨)进行评价时易使评价结果分级不清甚至背离实际情况。
因此，以模糊集理论中的权距离概念来表示待评价的大气环境质量监测样本与已知的大气环境质量分级标准之间的差异，提出一种改进的大气环境质量模糊评价模式，评价过程能充分利用实际数据所包含的各种信息。与模糊综合评判模型的同一应用实例进行比较，结果表明应用该方法得到的评价结果更为合理准确。
4.2 改进的模糊评价模式的构建
已知分级数或分类数为ｃ的统一规定的大气环境质量标准，其ｍ项评价因子即污染指标所对应的各级标准值构成了大气环境质量评价标准值矩阵Ｙ。
设现有ｎ组大气环境质量状况有待于根据上述评价标准进行分级评价,组成了评价样本集，其相应的ｍ项大气环境污染指标的监测值构成大气环境质量监测值矩阵X。
其中y ih>0，x ij<0，i=1，2，…，m；j=1，2，…，n；h=1，2，…，c。
大气环境质量评价是分析大气污染程度的过程，而污染属于模糊概念，可用模糊集合论中的隶属度来描述。由于分级数越小时表明大气环境质量越好，则可规定第i项大气环境污染指标的第1级标准值对于模糊子集“污染”的隶属度s i1=0，而第c级标准值y ic的隶属度s ic=1；介于1级与c级之间的第h级标准值y ih的隶属度s ih可按线性内插公式来确定
显然0≤s ih≤1。则由上式可将评价标准值矩阵变换为大气环境质量标准值模糊矩阵
由于污染指标监测值越大表明大气环境污染越严重，可根据下式
将各个污染指标监测值规格化为指标隶属度，从而将大气环境质量检测值矩阵变换为大气环境质量检测值模糊矩阵
从毒理学和卫生学角度考虑，不同大气环境污染指标对人类健康和生态环境的危害性有所差异，因此ｍ项污染指标在评价过程中的地位和重要程度有时并不相同，评价时应考虑其危害性权重。设污染指标的危害性权向量为
根据大气环境质量标准值模糊矩阵S，第h级别标准可用向量表示
类似地，由大气环境质量检测模糊矩阵R，第j个样本可用向量表示
根据模糊集理论中权距离的定义和概念，第j个样本与评价标准的第h级别之间的差异可用考虑了评价指标权重的广义权距离
来表达，其中p为距离参数，p=1时是海明距离，p=2是欧氏距离。则对于所有n个待评价的监测样本和c级评价标准，可建立差异矩阵
差异矩阵D反映了各个待评价监测样本对于各级评价标准的贴近程度，d hj越小表明第j个样本越贴近于第h级标准，即第j个样本隶属于第h级标准的程度v hj越大。也就是说，隶属程度v hj与贴近程度d hj成反比关系即
为直观和便于比较，将同一样本的c个隶属程度值归一化，得到第j个样本对于第h级标准的分级隶属度uhj，其计算模型为：
只要已知待评价样本中各项污染指标的监测结果，根据大气环境质量标准通过上述分级隶属度的计算模型就可以计算确定样本对于各级评价标准的分级隶属度。然后依据隶属度最大原则，可直接确定该监测样本的评价结果为最大分级隶属度所对应的大气环境质量级别。
4.3 应用实例及分析
分别将大气环境质量分级标准模糊矩阵S、污染指标监测值模糊矩阵R和指标危害性权向量代入分级隶属度计算模型中，取距离参数p=2，计算得到宜宾市城区1985年～1989年各年度的大气环境质量对5级大气环境质量标准的分级隶属度和相对应的评价结果，如附表所示。距离参数p=1时，分级隶属度值虽不同，但评价结果相同。
附表宜宾市城区1985-1989年大气环境质量模糊评价结果
由附表可知，运用模糊综合评判模型得到的评价结果各级隶属度值比较均化，区别不是很明显。特别是对1985年度的大气环境质量的评价结果，其隶属于Ⅲ级和Ⅳ级大气环境质量标准的隶属度均为0.38，难以做出明确判断。而应用本文提出的模糊评价方法所得到的结果比较离散，可明确判断其应属于Ⅲ级质量标准。另值得一提的是，1986年度和1989年度的大气环境质量文献[1]中均评为Ⅳ级。而实际上4项污染指标中只有SO2的监测浓度略小于Ⅳ级标准，其它3项的监测值均低于Ⅱ级或Ⅲ级标准，因此综合评判为Ⅳ级大气环境质量标准的结论显然是不合理的，二者均属于Ⅲ级标准即中污染更切合实际。导致模糊综合评判模型评价结果均化和失真的根本原因在于一是模糊向量A限定了隶属度取值的上限，不但
没有起到重要性权重的作用，还容易导致隶属度值的均化甚至相同；二是模型中“取大”、“取小”的算子在评判过程中只利用了实际数据中极值的信息，而忽略了宝贵的中间值信息，评价结果容易以偏盖全，导致失真。
4.4结论
在模糊集理论中的权距离概念基础上提出的大气环境质量模糊评价模式，与模糊综合评判模型M(∧，∨)相比，具有不损失中间信息，评价结果与实际情况更为相符的优点。为环境质量评价和其它领域的综合评价工作提供了一种新的有效方法。