EPA PMF数据分析教程：配置与输出文件详解

"本教程主要涉及的是环境监测领域中使用的一种源解析模型——PMF（Positive Matrix Factorization），尤其在可靠性数据分析方面的应用。用户可以通过配置文件来设定输出选项，包括输出目录、文件类型（如.txt、.CSV或.xls）以及文件前缀。在输出时，会生成多种类型的文件，如*_base.xls包含了轮廓、贡献值、残差和运行比较，而*_diagnostics.xls则包含了总结、输入和基本运行信息。此外，还有如*_profile_boot、*_DISPres等附加文件，用于保存引导次数、BS映射统计、FPEAK运行贡献等详细数据。PMF模型通过分解数据矩阵，寻找源贡献（G）和因子（F），用户需结合实际的源配置文件进行解读。模型的优化依赖于Q参数，Q（真）和Q（鲁棒）分别代表整体拟合优度和排除异常点后的拟合优度。为了找到全局最优解，模型可能需要进行多次迭代，每次迭代可能因随机种子的不同而产生不同的结果。在选择最佳运行时，通常依据Q（鲁棒）的稳定性，其值的变化能反映模型运行的稳定性和可靠性。" 在PMF源解析模型中，数据分析的核心是将采样数据分解为两个关键部分：贡献矩阵（G）和因子矩阵（F）。G矩阵代表了各个源对样本的贡献程度，而F矩阵包含了未知源的特征。模型的优化过程是通过最小化Q参数，Q参数有两个版本，Q（真）考虑所有数据点，而Q（鲁棒）则排除了那些残差超出不确定度四倍的数据点，以减少异常值对结果的影响。 在实际操作中，EPA PMF软件提供了一个配置文件，允许用户预先设定运行参数，如输出路径、文件类型和前缀。输出文件通常包括基本信息和诊断信息，如*_base.xls和*_diagnostics.xls，前者涵盖了模型运行的各种关键指标，后者则提供了输入数据和基本运行的详情。此外，还会有多个附加文件，如*_profile_boot记录引导统计，*_DISPres保存DISP输出，以及*_fpeak记录FPEAK运行的贡献。 PMF模型的求解依赖于多线性多次迭代（ME）算法，该算法从随机因子配置开始，通过梯度法寻找最优解。由于随机性的存在，可能只能找到局部最优而非全局最优，因此推荐进行多次运行以筛选出Q（鲁棒）值最稳定且最小的运行结果，作为最终的分析结果。Q（鲁棒）的稳定性是评估模型可靠性的关键指标，若在不同运行中Q（鲁棒）值变化小，表明模型对数据的解释是稳定的。