针对水环境特点及其主要污染物,利用有效的技术方法,识别污染物来源并确定其贡献率,可为水环境质量评估和污染物削减提供技术支持。本文选取EPA优先控制的16种PAHs为源解析对象,构建耦合受体模型,对松花江PAHs进行源解析研究,成果如下:(1)提出耦合模型:基于BP人工神经网络的非负约束因子分解源解析方法(FA-NNC/BP)和基于朴素贝叶斯模式识别的正定矩阵因子分解源解析方法(PMF/NBC)。(2)以PAHs 8类污染源指纹谱作为训练样本和验证样本,分别对BP人工神经网络模型和朴素贝叶斯模型的8个子分类器进行训练,并将FA-NNC和PMF推导出的污染源谱作为测试样本,输入到训练好的子分类器中,对该推导出的污染源进行源识别。(3)应用FA-NNC/BP对松花江二松吉林-松原段和干流哈尔滨-佳木斯段水相中的PAHs进行源解析分析,表明:二松吉林-松原段5月PAHs污染主要来源为燃煤和交通燃烧,贡献率分别为84.93%和13.33%;7月为汽油发动机、柴油发动机、交通燃烧和燃煤,贡献率分别为85.51%、10.61%、1.76%和1.29%;10月为汽油发动机、电厂、燃煤、交通燃烧和柴油发动机,贡献率分别为78.96%、17.92%、1.75%、0.73%和0.53%。干流哈尔滨-佳木斯段5月PAHs污染主要来源为电厂、焦炉、燃煤和交通燃烧,贡献率分别为87.42%、8.77%、1.69%和1.29%;7月为电厂、焦炉和交通燃烧,贡献率分别为78.28%、16.28%和1.98%;10月为焦炉、电厂、交通燃烧和汽油发动机,贡献率分别为68.10%、26.14%、2.98%和1.19%。(4)应用PMF/NBC对松花江全江水相中的PAHs进行源解析分析,表明:松花江5月PAHs主要来源分别为:燃煤源64.3%,焦炉排放源14.4%,汽油发动机9.3%,交通燃烧源8.6%,柴油发动机2.8%和居民排放源0.6%。7月PAHs主要来源为:居民及生物质燃烧72.8%,煤炭燃烧12.8%,交通及汽油发动机5.4%,炼焦排放4.9%和电厂4.2%。10月PAHs主要来源为:交通排放污染源41.8%,燃煤34.4%,生物质燃烧占9.3%,电厂燃烧源6.6%,汽油发动机4.6%,柴油发动机3.3%。(5)松花江流域水环境中PAHs解析表明:PAHs主要来源于燃煤,石油输入及其热解和交通污染。应加强燃料控制并进行清洁生产,控制大气和废水中PAHs的含量;推进清洁能源的使用,严控机动车尾气排放标准;严禁从事秸秆等生物质的燃烧。