1.2.3 國內外大氣質量研究現狀

為了加強空氣污染防治，減少空氣污染對人類健康及環境造成的危害，人們開展了對大氣環境質量和對人類健康適宜程度進行評定的研究。目前，關于大氣質量的評價方法，國內外專家和學者已經提出了多種方法，如模糊數學法，物元分析法，灰色聚類法，集對分析法，主成分分析法和空氣污染指數（Air Pollution Index，API）法等，其中以API法應用較為普遍[4-10]。空氣污染指數法（API）是美國國家環境保護署在20世紀70年代制定的一種反映空氣質量的方法，我國目前仍然采用此種方法。空氣污染指數（API）法的主要思想是將空氣中的污染物濃度簡化為指數形式，用具體指數表示空氣的污染程度及空氣的質量，將監測點每天的各種污染物的濃度與其限值進行比較，確定對應于該濃度值時API所在的指數區間，最后根據插值法確定該污染物濃度的API值。在我國通常以大氣中的三種主要污染物監測數據作為大氣環境質量評價的依據，它們分別是：SO2，NOX和TSP（總懸浮顆粒物）[11-12]。但上述方法都存在著一個明顯的不足：即評價和評價結果缺乏明確的物理意義，難以直接為環境整治規劃提供科學依據。而本書提出的基于免疫克隆選擇算法（Particle Swarm Optimization）大氣質量綜合污染評價法能有效地克服這一缺陷，它采用一種更有效的評價理論，將大氣質量的好壞與大氣污染物對環境質量的損害程度相聯系，使評價結果具有明確的物理意義。

除此之外，許多環境專家和學者還提出了一些其他的評價方法，如肖井坤在2000年提出的灰色系統分析法[13]，朱宏蘭在1997年提出的距離判別法[14]，鄧新民在1997年提出的投影尋蹤分析法[15]，劉隨軍在2006年提出的星座圖法[16]，郭奇在2004年提出的屬性識別法[17]。鑒于智能算法具有的“擬物”與“仿生”特性，近年來越來越多的大氣環境專家與學者將智能的理論和技術用于大氣質量評價領域，還提出了基于智能方法的大氣質量評價法，例如李希燦在2003年提出的模糊集理論分析評價法[18]，李祚泳在2000年提出的遺傳優化法[19]，王麗敏在2004年提出的基于粒子群算法的大氣質量評價法[20]，左俊在2007年提出的基于遺傳神經網絡評價法[21]，蔣華英在2006年提出的沌理論評價法[22]等。上述方法中有的已經在大氣環境質量評價工作中得到應用，有些方法還在研究探索階段。免疫克隆選擇算法作為一種仿生智能算法，它具有深刻的生物背景和廣泛的應用前景。該算法的靈感來自生物獲得性免疫的克隆選擇原理，是一種借鑒生物免疫系統獨有的辨識與計算機制。它提供了一種求解復雜系統問題的方法，該方法不依賴于問題的具體種類和領域，具有很強的魯棒性。本書在免疫克隆選擇算法的基礎上，對傳統免疫克隆選擇算法進行了改進研究，提出了若干改進的免疫克隆選擇算法，并將其應用于大氣質量評價領域，得到了令人滿意的結果。

大氣質量預測是近幾年環境科學中發展最快的研究領域之一。目前，在國內外通常采用的三種主要大氣質量預測模型：潛勢預測，統計預測和數值預測[23]。其中統計預測和數值預測在實際應用中較為常用。雖然上述三種預測方法在現實應用中具有可行性等優點，然而也存在著一些不足，例如潛勢預測、統計預測的數學模型較為復雜，預測結果欠佳等。數值預測方法具有投資成本高，技術難度大，見效慢和周期長的特點[24]。

統計預測是在數理統計的基礎上，以大氣中的各種污染物濃度數據和資料，結合同期的氣象數據為依據建立的預測模式。統計預測包括：利用過去的大氣污染物數據進行分析預測，挖掘其內在規律的多元回歸法；剖析以往的大氣污染物濃度與氣象形勢之間的內在聯系，挖掘出各種天氣類型的大氣污染物濃度在時間、空間上的分布規律的分類法；根據污染物變化的特點，通過對歷史數據的變化趨勢和規律進行分析，對其內在變化規律特征進行挖掘，實現對未來大氣污染物的變化進行推斷的趨勢外延法。

此外，針對大氣污染物數據具有空間范圍大，時間跨度長，原始數據較為離散等諸多特點，是一個多因素多層次的復雜系統。國內外學者還采用其他預測方法，如灰色預測法。灰色預測法是運用灰色系統理論建模方法，把大氣環境看作一個灰色系統，以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”的不確定性系統做為研究對象。將所有的隨機變量看作在一定范圍內的時間和空間上變化的灰色量，將整個隨機過程看成是在一定范圍內變化的與時間有關的灰色過程。在通過對已知信息的加工和處理，提取和抽取其中有價值的信息，實現對大氣污染物的變化和演化過程的正確認識和有效控制[25]。

目前，越來越多的大氣環境專家與學者將智能的理論用于大氣環境質量預測領域[26-30]。在國外，1993年Boznar和Lesjak提出了利用人工神經網絡的方法預測污染物SO2[31]；在1996年，Yi和Prybutok提出了利用神經網絡的方法預測污染區臭氧的濃度[32]等。在國內，近年來也提出了多種基于智能方法的大氣質量預測方法，例如王儉和胡筱敏在2006年提出的基于BP模型的大氣污染預報法[33]，蔣華英在2006年提出的基于混沌理論的大氣質量預測法[22]等。本書在免疫克隆選擇算法的基礎上，將提出的改進的免疫克隆選擇算法用于大氣質量預測領域，獲得了較好的結果。