当前位置：首页>python>接近官方PMF结果的源解析 Python 脚本

接近官方PMF结果的源解析 Python 脚本

2026-10-11 08:39:22

接近官方PMF结果的源解析 Python 脚本

去年校长开源了一系列代码，其中 Python 版 PMF 源解析脚本被大家广泛使用。该脚本运算速度快，突破了传统 PMF 专业软件的使用限制，可视化绘图样式也更丰富美观，还直接封装成了程序。

个人实际应用中发现，原有版本存在各类污染源因子贡献结果存在过于平均的问题。为此我借助 AI 进行多方案、多思路迭代调试，最终优化出一套计算结果与官方 PMF 软件相对匹配度较高的新版代码。（文件调用及其文件生成与校长版本基本一致）

目前仍有几个技术难点尚未攻克：因子旋转、微调因子贡献度、污染源自动识别等问题。

欢迎大家下载试用，有宝贵建议和优化思路欢迎直接留言交流。

校长原创内容：新工具上线 | PM2.5源解析程序使用方法

两者代码对比表格（来自AI）

对比维度	自定义手写 PMF 代码	调用 nimfa 库 PMF 代码
算法核心实现	基于 numpy 手写加权最小二乘迭代分解，自行实现矩阵 G、F 乘法更新规则	直接调用nimfa.Pmf封装接口，底层为通用非负矩阵分解，不自定义迭代规则
不确定度计算	内置calculate_uncertainty：计算 MDL 检出限、逐样本不确定度矩阵	无不确定度、检出限整套计算流程，直接原始数据输入分解
物种 SN 分类	内置categorize_species：计算 S/N 比值，划分 Strong/Weak/Bad 物种等级	无信噪比计算、物种分级逻辑
迭代寻优机制	多轮随机初始化n_runs，遍历多次运行，按 Q_robust 筛选全局最优解	单次分解运算，无多轮重启、无最优解筛选逻辑
收敛判定逻辑	自定义迭代收敛阈值，监测 Q 值相对变化，满足条件提前终止迭代	依赖 nimfa 内部默认迭代停止规则，外部无收敛控制代码
PMF 诊断指标	输出 Q 真值、Q_robust、Q 期望、Q/Q 期望全套专业诊断量	计算残差平方和比例、因子间平均相关系数，无标准 PMF 诊断指标
PM2.5 列匹配	自动识别含 PM2.5/PM25 字段，识别失败自动用最后一列，适配性强	硬编码固定列名PM2.5
数据预处理	做非负约束、零值兜底、不确定度放大、异常值容错保护	仅做最大最小归一化，无额外数据质控、无零值和异常保护
OLS 回归逻辑	调用同套 OLS 函数，因子贡献为自变量、PM2.5 为因变量，全套评价指标	和上段回归逻辑、评价指标完全一致，仅输入的因子矩阵来源不同
逐年可视化	绘制逐年因子占比堆积柱状图	绘制逐年因子占比饼图，替换了柱状图
时间序列绘图	包含：日变化曲线、月度堆叠图、逐日因子 + PM2.5 双轴图	保留日变化、月度堆叠图，删除逐日双轴关联图
配图文件适配	可兼容name.xlsx，无文件则用默认因子名	部分图读取name1.xlsx，负载图主动去掉图例展示
结果 Excel 输出	因子谱、因子贡献、重建、残差 + 新增诊断指标 Sheet + 逐年逐月占比表	因子谱、因子贡献、重建、残差 + 逐年逐月占比表，无诊断指标 Sheet
异常容错处理	迭代运行加 try 捕获，单轮报错不终止整体流程；数值做极小值防除零	无异常捕获、无防除零兜底代码，格式 / 数据异常直接中断运行
第三方库依赖	仅 pandas/numpy/matplotlib 等常规库，无专用 PMF 依赖	强依赖nimfa库，环境需额外安装，无法脱离该库运行
可调参数	因子数、运行轮次、随机种子、不确定度系数均可外部传参配置	模型参数写死在函数内部，外部无自定义配置入口
归一化位置	分解后对因子谱、因子贡献做 min-max 归一化	同样在分解后做 min-max 归一化，归一化逻辑一致

获取方式：

关注后私聊公众号“PMF代码版”等相关内容，会自动回复源代码。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

最新文章

随机文章