动态因子分析在环境监测数据综合处理中的应用

冀翔

（大连市生态环境事务服务中心，辽宁 大连116021）

近年来伴随着公众的环保意识逐渐提升，人们开始越来越关注自己周边的自然环境。为了客观地衡量生态环境的总体质量及其发生变化的规律和趋势，我国已经开展了大范围的环境监测工作。在不同的地域设置有多种级别的环境监测基站，并通过长年累月的监测和收集数据，统计得出污染物排放、气象和水文等层面的环境变化规律。通过对相应参数的联合调用和对数理模型的再次整理，使获得的监测数据能够真实地反映出生态环境的变化规律，并对未来一段时间内的变化趋势进行预测，这也能够为相关部门的环保治理力度的增强和政府的一系列政策的落实提供明确的导向。动态因子分析作为降维时间序列的典型应用，能够通过对多元的变量及其衍生出的变化趋势对响应变量的影响程度进行数值量化，再结合特定参数条件下的拟合效果即可得出动态因子分析方法在相应生态环境监测领域应用的实际效果。

1 动态因子分析理论概述

关于动态因子分析理论的研究可以结合卡尔曼滤波和最大期望参数估计法进行。针对普通时间变量的变化模式，多元的响应变量之间存在着复杂的相互作用。并且，这些物理量还会受外界因素变化而出现明显的波动。通过对这些物理量波动规律的进行动态因子分析，就可以得出其变化的规律，进而填补一定范围内的缺失值并预测出未来的数据变化趋势。研究者只需利用原始数据并配合相应的模拟软件对原始数据进行分析，即可获得较短时间内或非平稳时间内的数据序列。这对于弥补环境监测领域中缺失的物理量数据或预测非平稳时间内生态环境参数变化趋势都有着重要的应用和研究价值。

动态因子的算法利用降维的统计原理，能够将多个线性组合与环境数据的变化趋势相融合，从而推算出潜在的未知变量，并能有效地消除由观测误差所造成的环境变化趋势误判断。在数据预处理的过程中，根据动态变量变化的规律可准确排除环境监测参数的异常。在进行数据的统计分析前能够提前消除季节的影响，进而将显性的环境变化趋势和真实有效的物理量信息关联重组，得到更为精准的环境观测数据。应用标准分数法和多层级变量的统计还能够将观测值最大化的接近于真实值。配合方差膨胀因子和多重共线性计算的综合利用，可进一步排除无关变量对于环境变化趋势产生的预测干扰。在应用动态因子分析时，数学模型的选择要格外慎重。首先，表达式中的物理量的个数和类型要尽可能贴近实际环境物理量的个数和类型。其次，为了避免过度拟合或拟合效果失真等情况，可建立辅助的拟合评估体系，用于诊断监测数据拟合过程是否存在异常或严重的偏差等。当评估结果与拟合值越接近时，则表明模型得出的环境变化预测结果越接近于真实的环境演化过程。

2 动态因子分析理论在生态环境监测中的应用

2.1 动态因子分析在地表水环境监测中的应用

动态因子分析法在地表水生态环境研究中已经有十余年的应用历史。在实际的应用中，如何选择响应变量和解释变量对实际应用效果有着决定性的影响。为了能够真实的反应出监测区域地表水环境的质量和变化趋势，研究者必须根据相应区域的污染程度和地域特点选择匹配度最高的响应变量和解释变量。通过与环境中微生物、水温、盐度和气象等条件的关联，从而确定近海岸、中海岸、远海岸等不同区域水质的所需的监测指标。通过对监测所得到的大量数据进行经过严谨周密的计算和模型拟合后，研究者能够了解监测时间段内该区域内地表水环境的真实的整体变化情况。

2.2 动态因子分析在地下水环境监测中的应用

由于地理条件等特殊原因，地下水环境监测的结果会受到更多环境因素的影响。地下水水质会因降雨、水位、土壤的化学成分、河水水质等外部因素而发生变化。因此可以将这些影响因子作为解释变量，参与到地下水环境监测数据的收集过程中。研究者通过大量的数据采集和分析得出，地下水水质、该地区土壤的化学成分与该地区降雨情况三者之间存在的隐含的关联关系，由此进而制定出一系列的地下水环境治理措施。动态因子在地下水环境监测中的灵活应用对农业地区地下水环境的研究提供了一种更为高效的监测和管理方式。通过数据的实时变化和异常规律的推算，管理部门可以在自然灾害发生前提前做出预警，从而最大限度的减少经济损失。另一方面，通过对各类不同的影响因子进行动态因子分析，发现地区地下水水质还与该地区土壤的折射率等因素存在相互作用，进而发现自然界内广泛的物理变化都可以作为一种解释变量，与该地区地下水水质和土壤含水率产生联系。例如，将蒸发量、降雨量、树冠露水的滴落量作为解释变量研究地下水水质、土壤含水率的变化规律。通过更加细致和深层次的分析，使得动态因子分析在地下水环境监测中的作用效果更加贴近真实情况。

2.3 动态因子分析在大气污染治理中的应用

一般情况下提到环境监测，人们更容易联想到空气污染。在环境监测领域，针对大气污染所进行的专项物理量监测和大气污染物浓度的分析预警往往占据了大量的时间。从动态因子分析的角度，可以从气象因子的层面对大气环境中不同污染物之间的关系进行探讨。例如，大气的关键影响因子包含二氧化氮、二氧化硫、一氧化碳、臭氧、pm2.5、pm10 浓度等，将它们作为响应变量配合其他解释变量，再结合诸如风速、相对湿度等客观气象条件就能够准确地模拟出大气污染的全过程。此外，通过对大量大气污染过程的数据进行计算也能够充分量化并模拟出不同污染物造成的动态污染过程。这种方式既是动态因子分析在大气污染治理领域应用成果的证明，又作为一种全新的数据模型，扩展了动态因子分析在其他领域环境污染治理方面的应用渠道，为此类技术在不同环境监测领域中的发展和技术的成熟应用奠定了坚实的基础。通过对不同因子载荷间的关联和作用关系的研究，也使动态因子分析理论的应用进一步扩展到对大气污染中其他污染类型形成原因的分析层面。另一方面，与之类似地分析和推演思路也适用于统计学领域物理化学转化过程，动态因子和统计学模型的综合应用开辟了环境监测的新途径。

3 总结与展望

为了更加灵活准确的应用动态因子分析技术，使其在环境监测相关问题中发挥实际作用，应从动态因子模型的架构及变量设置等方面进一步细化。结合具体的环境监测项目和目标成分，确定动态因子的响应变量及解释变量。并按照科学的划分策略对其进行区分，分析各变量间的主次因果关系。对于未知的物理量可借助神经网络模型对目标物理量的变化规律进行预测。对于空间和时间尺度的变量，可应用动态因子在多维空间的优势，进一步扩大时间序列的作用范围。