论文部分内容阅读
受体模型的成功应用很大程度上要依靠对污染物的大量采集和准确分析,而受体模型的结果往往难以进行验证.本研究假设多氯联苯(PCBs)产品Arolcor 1016,Aroclor 1248和Aroclor 1260为PCBs的三个主要污染源,并设定它们在40个样品中的贡献值,由此组成一个有25种PCBs系列物和40个样品的虚拟数据矩阵,使用非负约束的因子分析模型应用于该虚拟矩阵,很好的复原了污染源的指纹谱图和贡献率,说明非负约束的因子分析模型具有较好的来源解析能力.此外,采用实测松针中PCBs的数据,解析出2个主要的PCBs污染源PCB3和PCB5,它们的贡献率分别为72%和28%.