宿兵暢 張亞娟 張素琪

1(河北工業(yè)大學(xué)人工智能與數(shù)據(jù)科學(xué)學(xué)院 天津 300401) 2(河北省大數(shù)據(jù)計算重點實驗室 天津 300401) 3(天津商業(yè)大學(xué)信息工程學(xué)院 天津 300134)

0 引 言

隨著工業(yè)的發(fā)展和城鎮(zhèn)化速度的不斷加快，我國大氣污染問題由間歇性突發(fā)問題逐漸演變成常態(tài)性多發(fā)問題[1]，只有從復(fù)雜的污染數(shù)據(jù)中分析出污染源，才能從根本上解決大氣污染問題，因此污染源定位對于治理大氣污染具有重要意義。

傳統(tǒng)的污染源定位算法是基于氣體濃度衰減模型的定位方法。這類方法以氣體擴散理論為基礎(chǔ)，通過氣體擴散過程中污染物濃度和擴散距離的關(guān)系，計算出污染源的位置[2]。2006年匡興紅等[3]基于氣體污染源濃度衰減模型，利用最小二乘法和極大似然預(yù)估算法，對污染源定位進行了研究。2009年朱勇等[4]提出一種基于無線傳感器網(wǎng)絡(luò)的加權(quán)組合三邊算法來對氣體源進行定位。2013年楊一帆等[5]通過構(gòu)建突發(fā)型大氣污染源位置識別的空間反演算法對污染源位置進行了識別。2014年吳正佳等[6]假設(shè)各監(jiān)測點為PM2.5擴散源，求解每個監(jiān)測點擴散到其他站點的PM2.5濃度，最后根據(jù)各監(jiān)測點位的PM2.5濃度和，定量分析確定污染源位置。上述基于氣體濃度衰減模型的污染源定位算法是在不考慮風向、風速、污染物釋放速率、大氣壓強、溫度和地表狀況等環(huán)境因素影響的理想化條件下進行的，然而環(huán)境因素對氣體濃度衰減模型的結(jié)果會產(chǎn)生很大影響。

為了解決氣體濃度衰減模型在污染源定位中易受環(huán)境因素影響的問題，近年來，部分學(xué)者將社區(qū)網(wǎng)絡(luò)分析方法(Social Network Analysis，SNA)應(yīng)用于研究大氣污染問題。2015年薛安等[7]以161座城市作為節(jié)點，以城市間PM2.5質(zhì)量濃度的相關(guān)性與距離的比值作為邊的權(quán)重，構(gòu)建加權(quán)網(wǎng)絡(luò)，并采用Girvan Newman算法對網(wǎng)絡(luò)進行劃分，得到了不同季節(jié)中國的污染區(qū)域分布情況。2017年孫亞男等[8]通過分析長三角地區(qū)的空氣質(zhì)量指數(shù)AQI，證明了大氣污染城市聯(lián)動網(wǎng)絡(luò)的存在，并從時空的角度揭示了55個城市在大氣污染聯(lián)動機制中表現(xiàn)出的內(nèi)在科學(xué)規(guī)律。2018年馬博宇等[9]通過構(gòu)建污染網(wǎng)絡(luò)，并根據(jù)節(jié)點重要性綜合評價結(jié)果從整個大網(wǎng)絡(luò)中提取出聯(lián)系最為緊密、相關(guān)性最強的一個霧霾污染網(wǎng)絡(luò)。2019年肖琴等[10]通過分析由66座城市組成的污染網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)、模體等性質(zhì)得出了網(wǎng)絡(luò)中的主要污染區(qū)域。上述利用社區(qū)網(wǎng)絡(luò)的方法對大氣污染的研究僅停留在發(fā)現(xiàn)污染區(qū)域的層面，對具體污染源的定位研究還相對較少。

針對上述問題，本文提出了基于社區(qū)網(wǎng)絡(luò)分析的大氣污染源定位算法。算法首先采用Granger因果檢驗方法[11]分析各監(jiān)測點處AQI的時間序列，得出任意兩個監(jiān)測點的AQI之間的影響關(guān)系，并且以這些影響關(guān)系作為兩個監(jiān)測點之間的關(guān)聯(lián)關(guān)系，監(jiān)測點作為節(jié)點，構(gòu)建由監(jiān)測點組成的污染網(wǎng)絡(luò)[12]；然后，通過改進的標簽傳播算法(ILPA)將污染網(wǎng)絡(luò)劃分成多個污染區(qū)域；最后，采用社區(qū)網(wǎng)絡(luò)分析方法對劃分后的每個污染子網(wǎng)絡(luò)進行中心性分析，根據(jù)分析結(jié)果預(yù)測污染源的位置。本文以273個監(jiān)測點的AQI作為樣本數(shù)據(jù)，構(gòu)建了由監(jiān)測點組成的污染網(wǎng)絡(luò)，并通過對網(wǎng)絡(luò)的聚類劃分，以及對各子網(wǎng)絡(luò)中節(jié)點的度中心度、出度和入度的計算與分析，將污染源的定位范圍由污染區(qū)域進一步縮小到了具體的監(jiān)測點附近，提高了定位的精確性，實驗表明本文方法可準確定位污染源位置。

本文算法流程如圖1所示。

圖1 算法流程

1 模型建立

1.1 關(guān)聯(lián)關(guān)系矩陣的構(gòu)建

從大氣污染的擴散性角度分析，一些先被污染的監(jiān)測點處的污染物濃度變化很可能是引起其他監(jiān)測點處污染物濃度變化的原因，即一個監(jiān)測點處空氣質(zhì)量的變化可能會影響其他監(jiān)測點處空氣質(zhì)量的變化。因此，分析AQI時間序列之間因果關(guān)系，可以得出哪些監(jiān)測點污染的變化引起了另外一些監(jiān)測點污染的變化。本文通過Granger因果關(guān)系檢驗方法來計算任意兩個監(jiān)測點處AQI變化的因果關(guān)系。

Granger因果關(guān)系檢驗是用于判斷兩個時間序列之間是否存在因果關(guān)系的一種方法。在時間序列的情形下，兩個變量a1和a2之間的Granger因果關(guān)系定義如下：

定義若在包含了變量a1和a2的過去信息的條件下，對a2的預(yù)測效果要優(yōu)于只單獨由a2的過去信息對a2進行的預(yù)測效果，即變量a1有助于解釋a2的將來的變化，則認為變量a1是a2的Granger原因[13]。

進行Granger因果關(guān)系檢驗的一個前提條件是：參與檢驗的時間序列是平穩(wěn)序列，對非平穩(wěn)時間序列需要進行差分處理直到時間序列平穩(wěn)，否則可能會出現(xiàn)虛假回歸問題，因此在進行格蘭杰因果關(guān)系檢驗之前首先應(yīng)對各時間序列的平穩(wěn)性進行檢驗。

平穩(wěn)性指的是監(jiān)測點v處的AQI的時間序列{AQIv,t}的特性不隨時間t的變化而變化，即均值、方差和協(xié)方差都是與時間t無關(guān)的常數(shù)。常用ADF檢驗來分別對各指標序列的平穩(wěn)性進行檢驗。具體的Granger因果檢驗步驟如下：

構(gòu)建兩個監(jiān)測點v1和v2處AQI的關(guān)聯(lián)關(guān)系方程，表示為：

(1)

式中：AQIv1,t和AQIv2,t分別表示監(jiān)測點v1和監(jiān)測點v2在t時刻的具有平穩(wěn)性的AQI的數(shù)據(jù)值；αj、βj、γj(j=1，2)是待測參數(shù)；{εj,t}(j=1，2)為殘差項；m、n、p、q為滯后階數(shù)。

根據(jù)參數(shù)γ1,i和參數(shù)γ2,i是否全為0，檢驗結(jié)果存在以下四種可能的情況：

(1) 若γ1,i至少有一項不為0，γ2,i全部為0，則表示：{AQIv2,t}是{AQIv1,t}的Granger原因，且{AQIv1,t}不是{AQIv2,t}的Granger原因，兩監(jiān)測點之間的污染影響情況關(guān)聯(lián)關(guān)系表現(xiàn)為{AQIv2,t}→{AQIv1,t}，即v2監(jiān)測點處的大氣污染對v1監(jiān)測點處的大氣污染有單向影響。

(2) 若γ1,i全部為0，γ2,i至少有一項不為0，則表示：{AQIv1,t}是{AQIv2,t}的Granger原因，且{AQIv2,t}不是{AQIv1,t}的Granger原因，兩監(jiān)測點之間的污染影響情況關(guān)聯(lián)關(guān)系表現(xiàn)為{AQIv1,t}→{AQIv2,t}，即v1監(jiān)測點處的大氣污染對v2監(jiān)測點處的大氣污染有單向影響。

(3) 若γ1,i和γ2,i全部滿足至少有一項不為0，則表示：{AQIv1,t}是{AQIv2,t}的Granger原因，且{AQIv2,t}是{AQIv1,t}的Granger原因，兩監(jiān)測點之間的污染影響情況關(guān)聯(lián)關(guān)系表現(xiàn)為{AQIv1,t}→{AQIv2,t}且{AQIv2,t}→{AQIv2,t}，即v1監(jiān)測點處的大氣污染和v2監(jiān)測點處的大氣污染存在有雙向影響。

(4) 若γ1,i和γ2,i全部為0，則表示：{AQIv1,t}不是{AQIv2,t}的Granger原因，且{AQIv2,t}也不是{AQIv1,t}的Granger原因，即v1監(jiān)測點處的大氣污染和v2監(jiān)測點處的大氣污染不存在互相影響。

根據(jù)Granger檢驗結(jié)果，如果v1監(jiān)測點處的大氣污染對v2監(jiān)測點處的大氣污染之間的關(guān)聯(lián)關(guān)系表現(xiàn)為{AQIv1,t}→{AQIv2,t}，則在監(jiān)測點間的污染影響情況鄰接關(guān)系矩陣中Rv1,v2的值為1，否則在監(jiān)測點間的污染影響情況的鄰接關(guān)系矩陣中Rv1,v2的值為0。因此可以構(gòu)建如式(2)所示的監(jiān)測點之間的污染影響情況的關(guān)聯(lián)關(guān)系矩陣R。

(2)

式中：Ri,j表示第vi個監(jiān)測點和第vj個監(jiān)測點之間的關(guān)聯(lián)關(guān)系值，Ri,j等于1或0。規(guī)定當i=j時，Ri,j的值為0。

1.2 污染網(wǎng)絡(luò)的構(gòu)建與劃分

如圖2所示，以監(jiān)測點作為網(wǎng)絡(luò)的節(jié)點，以監(jiān)測點間的污染影響情況的鄰接關(guān)系矩陣R作為網(wǎng)絡(luò)中節(jié)點間的關(guān)聯(lián)關(guān)系連邊，構(gòu)建監(jiān)測點間的污染網(wǎng)絡(luò)結(jié)構(gòu)圖G。

圖2 污染網(wǎng)絡(luò)構(gòu)建過程

一個污染源產(chǎn)生污染的影響范圍是有限的，在這個有限的范圍內(nèi)，各個監(jiān)測點的污染變化情況互相影響較大，而不同的污染范圍之間的污染情況的相互影響相對較小。在污染網(wǎng)絡(luò)中表現(xiàn)為：在一個污染區(qū)域的內(nèi)部，監(jiān)測點之間的具有直接的、較強的、相對緊密的關(guān)聯(lián)關(guān)系，而不同的污染區(qū)域之間的關(guān)聯(lián)關(guān)系相對較弱。根據(jù)這一性質(zhì)，可利用標簽傳播的思想將污染網(wǎng)絡(luò)劃分，如圖3所示。

圖3 污染網(wǎng)絡(luò)的劃分圖

在實際情況中，污染網(wǎng)絡(luò)結(jié)構(gòu)圖中所涵蓋的污染區(qū)域存在兩類情況，如圖4所示，其中，單一污染區(qū)域情況指所構(gòu)建的污染網(wǎng)絡(luò)中僅存在一個污染區(qū)域；多污染區(qū)域情況指所構(gòu)建的污染網(wǎng)絡(luò)中存在多個污染區(qū)域。

(a) 單一污染區(qū)域 (b) 多污染區(qū)域圖4 兩類污染區(qū)域圖

傳統(tǒng)的標簽傳播方法(LPA)僅從網(wǎng)絡(luò)的結(jié)構(gòu)特征來決定標簽的傳播[14]，在標簽傳播的過程中，節(jié)點根據(jù)式(3)選擇其鄰居節(jié)點中出現(xiàn)次數(shù)最多的標簽更新自身的標簽。

(3)

式中：Ni(l)表示節(jié)點i的標簽為l的鄰居節(jié)點的集合；Ui(l)表示節(jié)點i的鄰居節(jié)點中標簽l出現(xiàn)的次數(shù)；li表示節(jié)點i的標簽，此處Ri,j取1。

然而LPA在真實的污染網(wǎng)絡(luò)中并不完全適用。如圖5所示，若網(wǎng)絡(luò)中有標簽分別為A、B、C的三個節(jié)點1、2、3，其中節(jié)點2和節(jié)點1在現(xiàn)實的情況里距離較近，節(jié)點2與節(jié)點3的距離較遠。由于距離較遠，節(jié)點3處的污染對節(jié)點2處的污染的影響可以忽略不計，因此節(jié)點2和節(jié)點1應(yīng)該在同一個污染區(qū)域，節(jié)點3單獨處于一個污染區(qū)域。然而，傳統(tǒng)的LPA并沒有考慮實際情況中的距離因素對于污染擴散的影響。因此，更新節(jié)點2的標簽時，可選擇標簽A或標簽C中的任意一個，若選擇將節(jié)點2的標簽更新為C時，最終將會造成與實際情況不符的污染網(wǎng)絡(luò)的劃分，即將節(jié)點2和節(jié)點3劃分到一個污染區(qū)域，從而影響對于真實的污染網(wǎng)絡(luò)的劃分的準確度。

圖5 LPA標簽傳播過程示意圖

因此，本文引入污染影響因子I(i,j)來優(yōu)化標簽的更新過程。針對污染網(wǎng)絡(luò)的劃分，本文基于傳統(tǒng)的LPA算法，提出了一種基于污染影響因子的改進ILPA算法。污染影響因子計算式為：

(4)

式中：(xi，yi)和(xj，yj)分別表示節(jié)點vi和vj的緯度坐標及經(jīng)度坐標。

基于污染影響因子I(i,j)優(yōu)化后的更新節(jié)點標簽的計算式為：

(5)

ILPA算法具體步驟如下：

Step1為每一個節(jié)點初始化一個唯一的標簽。

Step2隨機對網(wǎng)絡(luò)中的節(jié)點進行排序。

Step3根據(jù)Step 2中的節(jié)點排列順序更新節(jié)點，根據(jù)式(5)在待更新節(jié)點的所有鄰居節(jié)點中確定更新后的標簽li。當li不唯一時，隨機選擇一個標簽作為更新后的標簽。

Step4當網(wǎng)絡(luò)中的所有節(jié)點的標簽穩(wěn)定不變時，算法結(jié)束，否則返回Step 3繼續(xù)。

1.3 污染子網(wǎng)絡(luò)中污染源的判斷

在一個社交網(wǎng)絡(luò)中，描述節(jié)點特征的屬性一般有出度、入度等。節(jié)點的出度表示的是從該節(jié)點出發(fā)的指向其他節(jié)點的有向線段的條數(shù)，它在污染監(jiān)測網(wǎng)絡(luò)中描述了該監(jiān)測點處污染的變化情況影響的監(jiān)測點數(shù)量，若其出度越大，表示該監(jiān)測點處的污染情況影響的監(jiān)測點數(shù)量越多。節(jié)點的入度表示的是從其他節(jié)點出發(fā)指向該節(jié)點的有向線段的條數(shù)，它在污染監(jiān)測網(wǎng)絡(luò)中，描述了對監(jiān)測點處污染產(chǎn)生影響的監(jiān)測點數(shù)量，若其入度越大，表示對該監(jiān)測點污染產(chǎn)生影響的其他監(jiān)測點數(shù)量越多。此外，在社交網(wǎng)絡(luò)分析中常常采用度中心度這一屬性來描述整體網(wǎng)絡(luò)中一個節(jié)點與網(wǎng)絡(luò)中其他節(jié)點的關(guān)聯(lián)程度。其中，度中心度表示的是與該節(jié)點直接相連的節(jié)點的個數(shù)[15]。在污染網(wǎng)絡(luò)圖中，度中心度越大，表示該監(jiān)測點處污染情況與網(wǎng)絡(luò)中其他監(jiān)測點處污染情況的關(guān)聯(lián)程度越大。

根據(jù)網(wǎng)絡(luò)中節(jié)點的特征屬性，在一個污染區(qū)域內(nèi)污染源的判斷標準如下：若一個監(jiān)測點的度中心度較大，且該站點的出度大于入度，則該監(jiān)測點在污染網(wǎng)絡(luò)處于中心位置，與其他監(jiān)測點的關(guān)聯(lián)程度最大，且該監(jiān)測點處的污染情況對其他站點處的污染情況的影響程度大于其他站點處的污染情況對該站點處污染情況的影響，那么該監(jiān)測點附近存在污染源。如圖6所示，節(jié)點6的度中心度相對較大，且出度大于入度，因此在節(jié)點6的附近存在污染源。

圖6 污染源分析示意圖

2 實 驗

實驗所采用的原始數(shù)據(jù)為2018年3月273個監(jiān)測點的污染物數(shù)據(jù)，該污染數(shù)據(jù)主要包括站點名稱、經(jīng)度、緯度、時間和AQI。

2.1 數(shù)據(jù)預(yù)處理

對各監(jiān)測點每小時監(jiān)測到的AQI的數(shù)據(jù)進行規(guī)范化處理，得到各監(jiān)測點的AQI的時間序列：

(name,x,y,AQIt1,AQIt2,…,AQItn，…，AQItN)

其中，name是監(jiān)測點的名稱；x和y分別是監(jiān)測點的緯度坐標值和經(jīng)度坐標值；AQItn是該監(jiān)測點在tn時刻監(jiān)測到的AQI的值。

2.2 活躍監(jiān)測點的篩選

為了降低實驗的復(fù)雜度，提高污染源定位的效率，需要將一些明顯不會對其他站點處的污染產(chǎn)生影響的監(jiān)測點排除，因此需要對規(guī)范化后的大氣污染物數(shù)據(jù)的進行分類處理。

根據(jù)下式分別計算n個監(jiān)測點在各時刻所監(jiān)測到的AQI的均值A(chǔ)QItE：

(7)

將AQItE與相應(yīng)時刻第k個監(jiān)測點監(jiān)測到的空氣質(zhì)量指數(shù)AQIk,t比較，根據(jù)結(jié)果將監(jiān)測點劃分為不活躍監(jiān)測點和活躍監(jiān)測點，劃分標準如表1所示。

表1 不活躍與活躍監(jiān)測點

如圖7所示，在每一個時刻，由于不活躍監(jiān)測點的污染水平都低于所有監(jiān)測點的污染的平均水平，所以這些監(jiān)測點處的污染對其他監(jiān)測點處的污染影響能力較小，而活躍監(jiān)測點的污染水平高于所有監(jiān)測點的污染平均水平，這些監(jiān)測點對其他監(jiān)測點處的污染影響能力較大，活躍監(jiān)測點中存在大氣污染源的可能性較大，因此利用篩選出的活躍監(jiān)測點的大氣污染物信息的AQI的時間序列數(shù)據(jù)進行的實驗。

圖7 不同類型監(jiān)測點AQI對比

實驗在273個監(jiān)測點中篩選出210個活躍監(jiān)測點及63個不活躍監(jiān)測點。

2.3 實驗結(jié)果分析

本文對篩選出的210個活躍監(jiān)測點的AQI時間序列兩兩之間進行Granger因果關(guān)系檢驗，其中對式(1)中的回歸項系數(shù)的顯著性檢驗的原假設(shè)如下：

原假設(shè)1：γ1,i全為0。

原假設(shè)2：γ2,i全為0。

對于上述假設(shè)的檢驗結(jié)果，根據(jù)顯著性水平α來確定關(guān)聯(lián)關(guān)系。對于原假設(shè)1，若式(1)中第一個方程回歸項系數(shù)的顯著性檢驗結(jié)果P值小于α，則表示在α的顯著性水平下拒絕了原假設(shè)1，否則接受原假設(shè)。對于原假設(shè)2，若式(1)中第二個方程回歸項系數(shù)的顯著性檢驗結(jié)果P值小于α，則表示在α的顯著性水平下拒絕了原假設(shè)2，否則接受原假設(shè)。若在α的顯著性水平下拒絕原假設(shè)，則關(guān)聯(lián)關(guān)系為1，否則為0。

因此，根據(jù)α=5%的顯著性水平確定參與檢驗的兩個監(jiān)測點之間關(guān)聯(lián)關(guān)系，部分節(jié)點的關(guān)聯(lián)關(guān)系矩陣，如表2所示。

表2 關(guān)聯(lián)關(guān)系矩陣表

通過社會網(wǎng)絡(luò)分析軟件Ucinet對關(guān)聯(lián)關(guān)系矩陣進行了可視化，得到污染網(wǎng)絡(luò)圖，圖8為上述7個節(jié)點組成的污染網(wǎng)絡(luò)圖，圖9為全部節(jié)點組成的污染網(wǎng)絡(luò)與局部放大圖。圖中的節(jié)點表示監(jiān)測點，數(shù)字表示監(jiān)測點的編號，有向線段表示監(jiān)測點間污染的影響關(guān)系。

圖8 部分節(jié)點污染網(wǎng)絡(luò)圖

圖9 污染網(wǎng)絡(luò)與局部放大圖

以圖8中節(jié)點為例，用ILPA算法對其進行社區(qū)劃分，節(jié)點的緯度和經(jīng)度信息如表3所示，節(jié)點的更新順序為節(jié)點31、節(jié)點37、節(jié)點67、節(jié)點122、節(jié)點121、節(jié)點187、節(jié)點28。

表3 節(jié)點經(jīng)、緯度信息表

續(xù)表3

根據(jù)式(5)確定各節(jié)點更新后的新標簽的計算過程如表4所示。

表4 標簽更新計算過程表

標簽傳播過程如表5所示，根據(jù)結(jié)果最終的社區(qū)劃分結(jié)果為{31，37，67}和{28，121，122，187}。

表5 部分節(jié)點標簽傳播過程表

根據(jù)ILPA對整體污染網(wǎng)絡(luò)的劃分結(jié)果，污染網(wǎng)絡(luò)中含有4個內(nèi)部聯(lián)系緊密污染區(qū)域，即整個污染網(wǎng)絡(luò)被劃分成4個污染子網(wǎng)絡(luò)，此時模塊度的值最大為0.647。圖10至圖13分別表示污染子網(wǎng)絡(luò)1至4的分布圖。

圖10 污染子網(wǎng)絡(luò)1的分布圖

圖11 污染子網(wǎng)絡(luò)2的分布圖

圖12 污染子網(wǎng)絡(luò)3的分布圖

圖13 污染子網(wǎng)絡(luò)4的分布圖

結(jié)合污染監(jiān)測網(wǎng)絡(luò)中各站點的經(jīng)度和緯度坐標值，對劃分的結(jié)果進行分析可知，4個污染子網(wǎng)絡(luò)的主要特征呈現(xiàn)區(qū)域性分布，統(tǒng)計結(jié)果如表6所示。

表6 污染子網(wǎng)絡(luò)特征情況表

根據(jù)污染源判斷標準，分別對四個子網(wǎng)絡(luò)計算其節(jié)點的度中心度、出度和入度。表7反映了污染子網(wǎng)絡(luò)1中度中心度排名前10位的節(jié)點特征情況。根據(jù)污染源判斷標準可知，監(jiān)測點“(28)東海特鋼西南”的度中心度較大且出度明顯大于入度，說明在子網(wǎng)絡(luò)1中監(jiān)測點“(28)東海特鋼西南”處于污染的中心位置，與其他監(jiān)測點的交互影響最為直接，且該站點處的污染情況對其他站點處的污染情況影響最大，則在監(jiān)測點“ (28)東海特鋼西南”附近存在大氣污染源。

表7 子網(wǎng)絡(luò)1中節(jié)點特征情況表

表8反映了污染子網(wǎng)絡(luò)2中度中心度排名前10位的節(jié)點特征情況。根據(jù)污染源判斷標準可知，監(jiān)測點 “(138)三興化工西北”“(83)冀東水泥三友2號”、“(137)三興化工東南”的度中心度較大且出度明顯大于入度，說明在子網(wǎng)絡(luò)2中，上述3個監(jiān)測點處于污染的中心位置，與其他監(jiān)測點的交互影響最為直接，且這3站點處的污染情況對其他站點處的污染情況影響最大，則在以上3個監(jiān)測點附近存在大氣污染源。

表8 子網(wǎng)絡(luò)2中節(jié)點特征情況表

表9反映了污染子網(wǎng)絡(luò)3中度中心度排名前10位的節(jié)點特征情況。根據(jù)污染源判斷標準可知，監(jiān)測點“(146)十二中正南”“(61)國豐鋼鐵東南”“(72)環(huán)城北路與銀河路交口東南”的度中心度較大且出度明顯大于入度，說明在子網(wǎng)絡(luò)3中，上述3個監(jiān)測點處于污染的中心位置，與其他監(jiān)測點的交互影響最為直接，且這3站點處的污染情況對其他站點處的污染情況影響最大，則在以上3個監(jiān)測點附近存在大氣污染源。

表9 子網(wǎng)絡(luò)3中節(jié)點特征情況表

表10反映了污染子網(wǎng)絡(luò)4中度中心度排名前10位的節(jié)點特征情況。根據(jù)污染源判斷標準可知，監(jiān)測點“(42)豐潤污水處理廠東南”“(9)曹雪芹西道與G102國道交口”“(127)仁潤印刷東南”“(208)中車西北”的度中心度較大且出度明顯大于入度，說明在子網(wǎng)絡(luò)4中，上述4個監(jiān)測點處于污染的中心位置，與其他監(jiān)測點的交互影響最為直接，且這4站點處的污染情況對其他站點處的污染情況影響最大，則在以上4個監(jiān)測點附近存在大氣污染源。

表10 子網(wǎng)絡(luò)4中節(jié)點特征情況表

為了驗證實驗結(jié)果的準確性，查證上述11個監(jiān)測點處的PM2.5的均值及平均空氣質(zhì)量等級情況，如表11所示。

表11 11個監(jiān)測點的PM2.5情況表

結(jié)合表11可知，實驗結(jié)果較為準確，編號為9、28、42、61、72、83、127、137、138、146和208的11處監(jiān)測點處的PM2.5值普遍較高，且空氣質(zhì)量等級多為重度污染，因此這些監(jiān)測點附近存在污染源，在污染治理的過程中，應(yīng)該著重在這些監(jiān)測點附近排查污染原因，并采取相關(guān)措施進行治理，從而達到從根本上解決大氣污染問題的目的。

3 結(jié) 語

本文針對多發(fā)的大氣污染環(huán)境問題，提出一種基于社區(qū)網(wǎng)絡(luò)的大氣污染源定位算法，該算法利用Granger因果檢驗法挖掘各監(jiān)測點之間污染變化的相互影響，然后將影響關(guān)系轉(zhuǎn)化為監(jiān)測點網(wǎng)絡(luò)結(jié)構(gòu)圖，利用社區(qū)分析的方法在構(gòu)建的監(jiān)測點網(wǎng)絡(luò)結(jié)構(gòu)圖中進行污染區(qū)域的劃分和污染源的定位。實驗表明，本文提出的大氣污染源定位算法，不僅能夠在復(fù)雜的環(huán)境中找到相應(yīng)的污染區(qū)域，而且能夠?qū)⑽廴驹吹亩ㄎ环秶M一步精確到具體的監(jiān)測點附近，從而進行高效、準確的大氣污染源定位。