嚴(yán) 暉

（泰興市環(huán)境監(jiān)測站，江蘇 泰興225400）

環(huán)境監(jiān)測是指間斷或連續(xù)地測定環(huán)境中污染物的濃度，觀察、分析其變化和環(huán)境影響的過程。在此過程中，對影響環(huán)境質(zhì)量的各種因素進(jìn)行實(shí)時(shí)或定期采樣、分析測量，以發(fā)現(xiàn)異常的因素，定期、定點(diǎn)對環(huán)境組成、因子和環(huán)境中污染物質(zhì)的種類、濃度、分布的變化及影響進(jìn)行監(jiān)測和分析。

環(huán)境監(jiān)測數(shù)據(jù)具有代表性和完整性，即所獲取的檢測數(shù)據(jù)能較全面地描述污染物的空間分布狀態(tài)；同時(shí)，還具備準(zhǔn)確性和可比性，即數(shù)據(jù)是經(jīng)過精密儀器采集，并可通過一定的數(shù)據(jù)處理方法進(jìn)行可比性分析驗(yàn)證。

目前，環(huán)境監(jiān)測數(shù)據(jù)的獲取方面存在的問題主要包括：數(shù)據(jù)采集過程中，監(jiān)測人員在數(shù)據(jù)篩選或處理時(shí)出現(xiàn)人為誤差；布控時(shí)，未能及時(shí)根據(jù)監(jiān)測點(diǎn)附近環(huán)境變化而更新布防監(jiān)控；由于儀器設(shè)備過于陳舊而無法進(jìn)行精密度采集或處理等。產(chǎn)生上述問題的原因主要包括［1］：① 主觀原因：監(jiān)測人員本身業(yè)務(wù)素質(zhì)較低，不能科學(xué)有效地分析和處理數(shù)據(jù)，使得部分?jǐn)?shù)據(jù)喪失真實(shí)性，甚至不能用于評價(jià)工作。②客觀原因：監(jiān)測儀器配置和監(jiān)測站點(diǎn)的布置過于陳舊，并未根據(jù)最新環(huán)境變化及時(shí)更新，使得環(huán)境監(jiān)測數(shù)據(jù)不具有代表性，造成評價(jià)結(jié)果的偏差，無法進(jìn)行科學(xué)的分析和處理。

1 分析方法

由于監(jiān)測數(shù)據(jù)和污染物空間分布與持續(xù)時(shí)間等因素有關(guān)，故在分析數(shù)據(jù)時(shí)可將數(shù)據(jù)按周期性規(guī)律地進(jìn)行統(tǒng)計(jì)分析，從而得出濃度隨時(shí)間變化的大致規(guī)律；然后根據(jù)當(dāng)?shù)氐乃臈l件、氣象變化和地形特征等因素進(jìn)行綜合整理，生成更為詳盡的濃度等值線圖，便于數(shù)據(jù)的直觀性統(tǒng)計(jì)與分析［2］。

1.1 離群數(shù)據(jù)的分析

環(huán)境監(jiān)測數(shù)據(jù)獲取條件較為復(fù)雜，在實(shí)際工作中可能由于監(jiān)測主體或條件變化產(chǎn)生離群值，如何正確區(qū)分離群值產(chǎn)生的原因并科學(xué)有效地去除離群值，是正確進(jìn)行評價(jià)的重要依據(jù)［2］。

1.1.1Q檢驗(yàn)法

在同一組數(shù)據(jù)中，判斷最大值或最小值是否為異常值時(shí)采用Q檢驗(yàn)法——狄克遜（Dixon）檢驗(yàn)法：將數(shù)據(jù)從大到小進(jìn)行排列，根據(jù)測定次數(shù)計(jì)算Q值：

式中，x2，x1為測定數(shù)據(jù)。

根據(jù)測定數(shù)據(jù)次數(shù)n和顯著性水平，查閱Dixon檢驗(yàn)統(tǒng)計(jì)表，通過比較Q值與臨界值，判斷x1與xn是否為離群值：若Q≤Q0.05，則可疑值為正常值；若Q0.05＜Q≤Q0.01，則可疑值為偏離值，可做保留處理；若Q＞Q0.01，則可疑值應(yīng)予剔除。但該檢驗(yàn)方法僅將可疑值與相鄰數(shù)據(jù)進(jìn)行比較分析，具有一定的局限性［2］。

1.1.2T檢驗(yàn)法

對于各組測定數(shù)據(jù)平均值的一致性檢驗(yàn)可采用Grubbs（格拉布斯）檢驗(yàn)，即T檢驗(yàn)法：將監(jiān)測數(shù)據(jù)從大到小排列，并計(jì)算其算術(shù)平均值和標(biāo)準(zhǔn)偏差s，得到T值［2］。

查閱T檢驗(yàn)臨界表得T的臨界值若則可疑數(shù)據(jù)x1或xn為異常值，應(yīng)予剔除；反之，則保留處理。依次反復(fù)計(jì)算直至無異常數(shù)據(jù)為止。

1.2 分析結(jié)果準(zhǔn)確度的檢驗(yàn)

1.2.1 平均值與標(biāo)準(zhǔn)值的比較

此方法用于檢查監(jiān)測方法或操作過程是否存在較大系統(tǒng)誤差。對標(biāo)樣進(jìn)行n次監(jiān)測，再利用T檢驗(yàn)法的平均值t比較監(jiān)測結(jié)果與標(biāo)準(zhǔn)值是否存在顯著性差異［2］。

式中，μ為標(biāo)準(zhǔn)值；為監(jiān)測結(jié)果；s為標(biāo)樣測定的標(biāo)準(zhǔn)偏差。根據(jù)自由度f和置信度P查得t值，與計(jì)算結(jié)果進(jìn)行比較。若計(jì)算值大于t值，則存在系統(tǒng)誤差；若小于則是由偶然誤差引起的。環(huán)境監(jiān)測中置信度一般為95%。

1.2.2 兩組平均值的比較

針對同一樣品的不同組數(shù)據(jù)產(chǎn)生平均值誤差問題，先假設(shè)兩組數(shù)據(jù)的方差無明顯差異，計(jì)算t值［2］，

式中，S為合并方差。用P＝95%，f＝n1＋n2－2查表得到t值小于計(jì)算值，則存在顯著性差異；若大于則無。

1.3 分析結(jié)果精密度的檢驗(yàn)

用于比較兩組數(shù)據(jù)方差s的一致性，又稱F檢驗(yàn)：求出兩組數(shù)據(jù)標(biāo)準(zhǔn)方差的平均值和，計(jì)算與F分布表中查得一定自由度下的F值進(jìn)行比較，若大于計(jì)算值則存在顯著性差異，若無則不存在。

在進(jìn)行F檢驗(yàn)法檢驗(yàn)兩組數(shù)據(jù)的精密度是否有顯著性差異時(shí)，應(yīng)先確定其類型：單邊檢驗(yàn)指一組數(shù)據(jù)的方差不可能小于另一組數(shù)據(jù)的方差；而雙邊檢驗(yàn)時(shí)，其顯著性水平為單邊檢驗(yàn)時(shí)的2倍，置信度變?yōu)?0%［2］。

1.4 等精度檢驗(yàn)

對于n′個(gè)監(jiān)測室，用同一標(biāo)準(zhǔn)方法對同一個(gè)標(biāo)準(zhǔn)樣品作m次監(jiān)測，測定結(jié)果用Cochran最大方差法檢驗(yàn)。設(shè)各自標(biāo)準(zhǔn)偏差分別為s1，s2，…，sL，（i＝1，2，…L），最大值記為smax，計(jì)算統(tǒng)計(jì)量［2］：

根據(jù)給定的顯著性水平α，實(shí)驗(yàn)室個(gè)數(shù)n′，測定次數(shù)m，從數(shù)理統(tǒng)計(jì)表得最大方差檢驗(yàn)臨界值為Ca。當(dāng)C≤C0.05時(shí)，表明各實(shí)驗(yàn)室符合精密度要求；當(dāng)C＞C0.01時(shí)，表明具有最大標(biāo)準(zhǔn)偏差的實(shí)驗(yàn)室精密度不符合要求；當(dāng)C0.05＜C≤C0.01時(shí)，表明具有最大標(biāo)準(zhǔn)偏差的實(shí)驗(yàn)室精密度具有疑問，需再次考核以確認(rèn)。

1.5 精密度和準(zhǔn)確度統(tǒng)計(jì)分析［2］

其中由于∑Ti包括兩個(gè)類似樣品的監(jiān)測結(jié)果從而含有兩倍的誤差［2］，故分母除以2；計(jì)算隨機(jī)標(biāo)準(zhǔn)偏差

若s＝sr，則表明實(shí)驗(yàn)數(shù)據(jù)不存在系統(tǒng)誤差。當(dāng)時(shí)，需進(jìn)行方差分析，計(jì)算根據(jù)顯著性水平（0.05）和自由度查表。若表明在95%置信水平時(shí)，實(shí)驗(yàn)室的系統(tǒng)誤差對分析結(jié)果的可比性無顯著性影響；若表明實(shí)驗(yàn)室的系統(tǒng)誤差對分析結(jié)果的可比性具有顯著性影響，應(yīng)及時(shí)采取校正措施［2］。

2 數(shù)據(jù)融合技術(shù)的應(yīng)用

數(shù)據(jù)融合技術(shù)是指利用計(jì)算機(jī)對按時(shí)序獲得的若干觀測信息，在一定準(zhǔn)則下加以自動分析、綜合，以完成所需的決策和評估任務(wù)而進(jìn)行的信息處理技術(shù)。

人類通過人體器官感受外部信息，轉(zhuǎn)換成生物電，并通過人的中樞神經(jīng)傳送到大腦進(jìn)行綜合分析處理，然后對外部環(huán)境進(jìn)行判斷和控制。而多傳感器數(shù)據(jù)融合的基本原理就如同人腦綜合處理所感受的信息：利用多個(gè)傳感器感測外部環(huán)境信息，再把多個(gè)傳感器的數(shù)據(jù)根據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得對被測對象的一致性解釋和描述，從而得出更為準(zhǔn)確的可信的結(jié)論。

面對大量的環(huán)境監(jiān)測任務(wù)，如何科學(xué)有效地獲取數(shù)據(jù)信息是最為關(guān)鍵的一步，融合技術(shù)為我們提供了強(qiáng)有力的支持，然而這些數(shù)據(jù)在采集、利用過程中，由于傳感器采集數(shù)據(jù)的特征性差異，造成數(shù)據(jù)存在模糊性、互補(bǔ)性或矛盾性。如何有效并準(zhǔn)確的處理傳感器所采集的數(shù)據(jù)是以后研究的重點(diǎn)，而這必將為環(huán)境監(jiān)測數(shù)據(jù)研究帶來重大性突破。

2.1 融合模型

20世紀(jì)80年代，代表性的數(shù)據(jù)融合模型包括［3－6］：英國情報(bào)環(huán)模型、美國JDL模型和Boyd控制環(huán)模型。20世紀(jì)90年代提出的“改進(jìn)的JDL模型”［3］在軍事領(lǐng)域應(yīng)用十分廣泛，還有將融合過程劃分成觀測、定位、決策、行動及傳感器管理等階段，并組成一個(gè)大循環(huán)的“綜合模型（Omnibus Model）”［6］等。但由于上述模型均未引入自學(xué)習(xí)和多級反饋機(jī)制，使得其自適應(yīng)性和自我完善功能有待提高。

目前，融合算法主要有Kalman濾波器的改進(jìn)方法［7－8］、“數(shù)值－語言”混雜條件下的“知識發(fā)現(xiàn)和數(shù)據(jù)挖掘（Knowledge Discovery and Data Mining，KDDM）［7］”方法與面向分布式數(shù)據(jù)融合的支持向量機(jī)（Support Vector Machine，SVM）方法等。

2.2 應(yīng)用舉例

由于Kalman濾波方法是解決最優(yōu)化濾波問題的經(jīng)典方法，故消除被噪聲污染的觀測信號中的噪聲影響，常將Kalman濾波方法用于環(huán)境采樣數(shù)據(jù)真實(shí)值的估計(jì)。在此本文以大氣監(jiān)測為例，簡單探討Kalman濾波方法在環(huán)境監(jiān)測方面的應(yīng)用［9］。

（1）建立大氣變化狀態(tài)轉(zhuǎn)移矩陣。根據(jù)環(huán)境科學(xué)相關(guān)領(lǐng)域知識，結(jié)合傳感器采集的大氣參數(shù)，建立關(guān)于這些參數(shù)的大氣參數(shù)狀態(tài)轉(zhuǎn)移矩陣。利用該矩陣，研究各項(xiàng)大氣參數(shù)的變化情況。

（2）根據(jù)式（1）中得到的觀測目標(biāo)屬性特征，對來自各傳感器的，反映不同污染現(xiàn)象的觀測數(shù)據(jù)進(jìn)行分析，分解出反映各種不同的污染現(xiàn)象的參數(shù)向量值。

（3）根據(jù)大氣變化狀態(tài)轉(zhuǎn)移矩陣，利用各傳感器采集的大氣參數(shù)觀察值，對各大氣采樣站點(diǎn)的環(huán)境進(jìn)行最優(yōu)化估計(jì)，得到各項(xiàng)參數(shù)的最優(yōu)化估計(jì)值。

3 結(jié) 語

（1）對環(huán)境監(jiān)測數(shù)據(jù)的可疑值判斷和取舍方法進(jìn)行了研究，同時(shí)還探討了監(jiān)測結(jié)果的統(tǒng)計(jì)方法和實(shí)驗(yàn)室監(jiān)測質(zhì)量的統(tǒng)計(jì)方法。

（2）簡單展望了未來數(shù)據(jù)融合技術(shù)在環(huán)境監(jiān)測方面的應(yīng)用，并以大氣監(jiān)測為例進(jìn)行分析。

［1］葉 萍.淺議環(huán)境監(jiān)測數(shù)據(jù)的審核［J］.中國環(huán)境管理干部學(xué)院學(xué)報(bào)，2010（2）：45－46.

［2］馬彥峰，張 勇.環(huán)境監(jiān)測數(shù)據(jù)結(jié)果評價(jià)［J］.環(huán)境保護(hù)科學(xué)，2010（1）：23－25.

［3］Linas J，Bowman C，Rogova G，et al.Revisiting the JDL data fusion model Ⅱ ［C］／／Proceedings of the Seventh International Conference on Information Fusion.Stockholm，Sweden：［s.n.］，2004，2：1218－1230.

［4］Kalandros M K，Trailovic L，Pao L Y，et al.Tutorial on multisensor management and fusion algorithms for target tracking［C］／／Proceedings of the 2004American Control Conference.Boston，Massachusetts：［s.n.］，2004，5：4734－4748.

［5］何 友，王國宏，陸大金，等.多傳感器信息融合及應(yīng)用［M］.北京：電子工業(yè)出版社，2000.

［6］潘 泉，于 昕，程詠梅，等.信息融合理論的基本方法與進(jìn)展［J］.自動化學(xué)報(bào)，2003，29（4）：599－615.

［7］Gao J B，Harris C J.Some remarks on Kalman filters for the multisensor fusion［J］.Information Fusion，2002，3（3）：191－201.

［8］Sun Shuli，Deng Zili.Multi－sensor optimal information fusion Kalman filter［J］.Automatica，2004，40（6）：1017－1023.

［9］邵 斌，蔣云良，張建宏.面向環(huán)境監(jiān)測數(shù)據(jù)的融合方法研究［J］.心智與計(jì)算，2008，2（1）：42－47.