Page 121 - 环境监测技术应用及质量控制

» 第四章 大数据时代环境监测与治理

方向发展。
（三）在环境质量预警中的应用
环境质量预警是提高生态环境保护工作质量、保障人民生命健康安全的重要手
段。目前，机器学习技术在赤潮污染预警、大气污染物浓度预测、江河水质预测等领

域大展身手。此外，SPSS、Matlab 和 R 等工具也被用于构建基于气象条件和污染物
排放的环境污染预测模型，这些模型为全国各地的空气质量监测预报预警工作提供决
策依据。同时，为提高环境质量预警能力，污染源解析工作也很重要。源解析研究通
常采用三种方法：源清单法、扩散模型法和受体模型法，其中受体模型在污染源解析

的过程中应用范围最广、准确性最好，而受体模型中的因子分析法/主成分分析—多
元回归分析法、聚类分析法、正定矩阵因子分解法以及偏最小二乘法、支持向量机、
随机森林回归等先进统计学算法都离不开数据挖掘技术的发展。可见，数据挖掘技术
在污染预测和污染源解析方面得到广泛应用，从而为环境质量预警体系的建立和科学

运作提供技术支持。
（四）在环境监测中的应用
环境监测是生态环境保护中最基础、最重要的工作之一，监测数据是生态环境保

护各项工作的重要依据。SPSS 是监测数据质量控制的重要工具，能及时分析监测结
果的可靠性、跟踪误差的来源。此外，数据挖掘技术还能优化监测站点布局、实现监
测业务全流程优化控制，从而大大提高环境监测效率。
（五）在环境评价中的应用
对环境质量进行科学合理的评价能使广大群众、环境保护部门更加客观地了解环

境质量，从而做出合理的生活安排以及科学的防治措施，因此环境质量评价的科学性
备受关注。中国现行的环境质量评价方法有单一因子判别法和综合污染指数评价法，
但这些方法没有充分考虑环境的各种要素。为克服这些弊端，大量学者尝试使用神经

网络法、支持向量机法等基于机器学习技术的环境质量评价方法。赵楠利用机器学习
中的随机森林算法来评价城市环境的空气质量，通过对随机森林模型训练，找到多种
空气污染物与空气质量等级之间的内在映射关系，建立随机森林评价模型，提高评价
科学性。毕温凯等构建了基于支持向量机的湖泊生态系统健康评价模型，并将该模型

用于白云湖生态系统健康状况的评价，所建模型更加客观、科学地评价了湖泊生态系
统健康状况，能够为湖泊生态系统健康管理提供一定依据。吕雷昌等针对鲁中山地侧
柏人工林样地采用 BP 神经网络和灰色关联度进行土壤肥力评价，为该地区土壤肥力
的管理提供理论依据。研究证明，这些基于机器学习技术的环境质量评价方法更能充

分反映环境信息，更为科学。
随着生态文明建设和生态环境保护进入了数据驱动的新时代，数据挖掘技术在

• 113 •