将径向基函数网络(Radial Basis Function Network,RBFN)应用于城市环境颗粒物来源解析工作.模拟数据计算的解析结果表明:RBFN可以实现对多源(14个可能源,其中13个为有效源)的解析,在5%~15%的源和受体测量误差的情况下,对于分担率大于...将径向基函数网络(Radial Basis Function Network,RBFN)应用于城市环境颗粒物来源解析工作.模拟数据计算的解析结果表明:RBFN可以实现对多源(14个可能源,其中13个为有效源)的解析,在5%~15%的源和受体测量误差的情况下,对于分担率大于15%的主要源,其解析结果与真实值的相对误差均不高于5%;对于分担率大于5%的源,其解析相对误差均低于15%.RBF网络可以很好地识别无效源.因此,在充分掌握可能污染源成分谱信息的基础上,该方法具有源解析应用潜力.展开更多
文摘将径向基函数网络(Radial Basis Function Network,RBFN)应用于城市环境颗粒物来源解析工作.模拟数据计算的解析结果表明:RBFN可以实现对多源(14个可能源,其中13个为有效源)的解析,在5%~15%的源和受体测量误差的情况下,对于分担率大于15%的主要源,其解析结果与真实值的相对误差均不高于5%;对于分担率大于5%的源,其解析相对误差均低于15%.RBF网络可以很好地识别无效源.因此,在充分掌握可能污染源成分谱信息的基础上,该方法具有源解析应用潜力.