建筑混凝土氡污染含量动态监测方法

凌 飞

（陕西工业职业技术学院 土木工程学院, 陕西咸阳712000）

上世纪90年代，建筑行业就已经发现混凝土中可能释放部分氡元素（222Rn）对建筑内空间造成放射污染。其放射原理是氡元素在3.8235天半衰期内，衰变释放部分放射性钋元素（218Po和214Po）、放射性铅元素214Pb、放射性铋元素214Bi，这些衰变产物会在进一步短周期衰变中释放出α、β粒子，对生物大分子如DNA、RNA等产生破坏作用。且这些次生放射元素会以放射尘（主要为PM2.5）的方式进入人体血液循环，对人体产生急性危害或长期危害[1]。

进入90年代，我国有关部门先后颁布《环境空气中氡的标准测量方法（GB/T 14582-93）》、《民用建筑工程室内环境污染控制规范（GB 50325-2001）》等，基本确定径迹蚀刻法、活性炭盒法、双滤膜法、气球法等标准测量方法。但这些方法有共同特征，即均需要较长的实验室操作时间，无法实现动态监测。特别是径迹蚀刻法的实验室操作时间达到了30d[2]。

当前技术条件下，受到智慧家居等技术需求的驱动，开发一种针对氡元素（222Rn）的动态监测方法，成为当前市场条件下的核心需求[3]。但是，因为居住空间中的放射性污染较轻，采用普通的放射粒子计数器可能因为最小量程问题无法有效计数，所以采用持续气相法配合物联网和大数据系统构建动态监测系统，是本文的核心创新点。

1 监测方案的理论基础

1.1 基于气相色谱法的测量设备

上世纪70年代出现的气相色谱监测技术，在数十年的发展期内，对物联网实时监测系统表现出较强的适应性。当前的气相色谱设备，包含诸多功能模块，如电子俘获检测器（ECD）、电加热气相光源（NPD）、窗式光电离检测器（PID）且在监测环境控制中，稳定直流波形整流、恒热控制、脉冲调制等技术也被应用到气相色谱监测技术中[4]。如果在动态监测的过程中不对气相色谱监测装置本身进行升级优化，仅考虑对其实时数据进行深度挖掘分析，获得因为氡元素污染产生的数据信号，则该方案存在以下难点：

（1）数据信噪比较低

气相色谱设备会采集气体中的所有元素的含量数据，特别是N、O、C、H等大含量元素的特征线非常显著，可能掩盖本文研究中需要捕捉的Rn、Bi、Po、Pb等微量元素的特征线[5]。所以在数据分析中，需要对大含量元素的特征线进行有效数据屏蔽，从而考察微量元素的含量。

（2）数据持续性不高

因为污染空间的气体构成中，大部分次生污染物均以悬浮颗粒的方式赋存，氡元素以稀有气体的方式赋存，每cm3的污染粒子级别，一般在100～102左右，所以色谱仪并非每个测量脉冲均可获得污染物的特征线。所以，需要进行多个脉冲的数据叠加获得持续性结果[6]。

（3）数据完备性不佳

工程实现方面，监测系统不可能实现对整个房间所有气体的过滤式检测，仅可凭借少量采样气体进行基于测量脉冲的数据采集。所以，如果大气中的污染物分布均度不佳，那么监测数据较难实现数据的完备性[7]。

1.2 数据叠加方案

气相色谱装置获得的数据，是一列覆盖红外-可见光-紫外波谱的特征曲线数据，可看做一维数列B(γ) ，设定脉冲周期为100ms，即恒温恒流环境下每秒发射10次检测脉冲，累加N次检测数据进行数据整理，可以得到公式（1）：

式（1）中：Bi(γ)为第i次检测脉冲中获得的检测结果数列；N为累加的检测次数；BΣ(γ)为累加后的数据；e为自然常数，此处取其近似值2.718281828。

在对上述Rn、Bi、Po、Pb等微量元素的特征线进行分析的过程中，发现其特征线有以下特征，见表1。

表1 被测元素特征线分布情况表Table 1 Distribution of characteristic lines of measured elements

表1中，Po元素的理论特征线包括205.048、245.011、248.397、249.056、253.495、255.733、255.801、256.231、258.763、266.333、276.191、280.024、291.931、295.890、300.321 nm。因为国内外相关文献中缺少对Po的色谱研究文献，可推测当前色谱研究中对Po元素的应用较少[8]。同时，相关文献中针对Rn元素的色谱特征仅包含178.552nm波长，但有相关研究表明该特征线可以充分反映Rn元素的信息。可以充分利用Bi、Pb等光谱研究较为充分的元素进行氡污染捕捉。

干扰元素中，其特征线的分布特征见表2。

表2 干扰元素特征线分布情况表Table 2 Distribution of characteristic lines of interference elements

表2中，针对N元素的色谱特征的研究较少，虽然相关研究证实N元素的理论特征线达到136条，但尚无对其进行工程学层面的色谱研究先例。而O元素和H元素的首选特征线波长较长，C元素193.030nm特征线对本研究的干扰最大。而空气中的CO2含量较高，常规含量达到了400ppm，所以，需要采用比较气样法对CO2进行有效排除。其排除方案如公式（2）：

式（2）中：B'(γ)为 第i个脉冲的实测数据；BO(γ)为比较气样的测试数据。

因为大气基础成分基本保持不变，所以无需每脉冲获取大气基础成分的气样色谱数据，而是对室外气体进行测量后，可供1～2天的持续观测比较。

2 监测算法设计

2.1 监测数据移动窗口的设定

设定脉冲周期为100ms，即恒温恒流环境下每秒发射10次检测脉冲，累加N次检测数据进行数据整理，即通过调整N值的设定，对氡污染的检测敏感性进行评价，最终获得最佳的数据移动窗口。测试过程在实验室仿真密闭空间内进行，空间尺寸为1000×1000×1000 mm，采用整体吹制玻璃密闭容器进行空间隔离，其中人工创造氡气含量5、10、20 ppm环境，其测定结果见表3。

表3 不同窗口设定条件下的监测结果Table 3 Monitoring results under different window settings

表3中，当监测数据移动窗口N值定在200时，可以获得较高的检出率，其中5ppm环境的检出均值为4.893ppm，敏感性97.86%，10ppm环境下的敏感性为98.93%，20ppm环境下的敏感性为99.47%。分析上述敏感性分布情况，可以得到图1中的可视化结果。

图1 测量敏感度分析比较图Fig. 1 Comparison of measurement sensitivity analysis

图1中，针对3个不同含量的Rn环境，在N设定为200时，敏感性均可达到95%以上，而使用其他N值，低浓度环境的敏感度较低。其根本原因在于，当N值过小时，系统无法实现有效的数据连续性，而当N值过大时，数据之间的干扰作用增加。

2.2 算法架构设计

综合前文分析结果，该算法的整体操作数来自气相色谱仪的检测数列 ，该数列是气相色谱设备经过光栅数据读取后进行内部变换产生的结果数列，因为本文研究未对该算法架构进行优化改变，所以该变换过程受到篇幅限制不再赘述。而该算法的核心创新点在于读取比较气样和室内气样的气相色谱设备检测数列 后进行的数据整理和数据分析。其算法架构的数据流图如图2所示。

图2 该算法的数据流图Fig. 2 Data flow diagram of the algorithm

图2中，比较数列和单次数列的获取过程由气相色谱设备内置算法实现，该算法读取数据后，进行差值计算（公式（2））和叠加计算（公式（1））获得一个高信噪比的特征谱线数据，该特征谱线数据已经屏蔽了大部分干扰气体的吸收谱线，但为了放大数据细节，可以对其进行一次放大处理。该放大处理算法包括以下2步：

(1)对数据进行基于minmax算法的投影放大

因为建筑空间中的氡含量一般小于5ppm，且其达到5ppm时已经严重影响环境内的人员健康。而且，因为该算法已经屏蔽了容易对分析结果带来干扰的C等元素的色谱数据，所以，将数据针对[0,1]空间进行重投影，如公式（3）：

式(3)中：Bi为数据窗口N中的第i个数据；Fi为第i个输入数据整理后的输出数据；minN、maxN分别为数据窗口N中的最小数据和最大数据；N为数据窗口规模，根据前文分析，N值取值为N=200。

（2）对数据进行反置对数放大

经过上述minmax算法，数据仍存在一定不足，即该数据的特征数据在0值附近，但无意义数据在1值附近，并不符合常规的数据观察习惯。所以，应将数据进行反置后，进一步将数据特征进行非线性放大。如公式（4）：

式（4）中：Fi为minmax投影整理中第i个输入数据整理后的输出数据；F'i为经过该步整理后的第i个输出数据；e为自然常数，此处取其近似值2.718281828。

经过此步计算，无意义数据被整理到0值附近，而特征数据被log函数充分放大。

3 该监测方法的实际效果测试

3.1 数据治理效果

因为该数据治理过程的统计学意义是将极低信噪比数据中的有效信号进行充分放大，从众多大含量元素的色谱信号中获取微量放射性元素的信号，所以，在实际效果测试中，首先对一次检测数据进行数据治理效果测试。测试结果详见图3。

图3 数据治理效果分析结果图Fig. 3 Analysis results of data governance effect

图3中，（a）图为改组数据中的累加数据，该数据中193nm附近的C干扰数据较为显著，本文分析关心的178.552、223.061、220.353 nm三条谱线在数据中并无显著表达。（b）图为（a）图数据减去对比气样数据后的结果，可以看到，该数据阶段中，大量的干扰数据被排除，但相关数据的表现仍然不明显。（c）图为经过minmax重新投影后的数据，此时，虽然在217nm处仍然有较强的干扰数据，但178、220、223 nm处的谱线已经初步显现。（d）图为最终分析结果，此时，虽然仍有部分干扰谱线，但本文研究所需的Rn元素、Bi元素、Pb元素的谱线已经得到充分表达。

3.2 气相色谱法检测与常规检测的效果比较

使用径迹蚀刻法、活性炭盒法、气相色谱法分别对同一组实验室气样进行检测，因为径迹蚀刻法和活性炭盒法的检测周期均较长，无法实现对气样的实时监测，但可以对比该两种成熟方法的敏感度和特异度分析该研究改进的气相色谱法测量结果以对其可行性做出评估[9]。比较结果见表4。

表4 气相色谱法检测与常规检测的效果比较结果Table 4 Comparison results of gas chromatography and conventional detection

表4中，三种方法对Po的检出能力均较弱，其中径迹蚀刻法达到83.572%的Po检测敏感度，而气相色谱方法对Po的检测敏感度较低，仅为24.068%，远低于前两者。但仍可以看出该研究改进的气相色谱法拥有如下优势：

（1）检测周期短

气相色谱法的监测窗口累积时间为20s（N=200），检测过程与窗口累积过程可以重叠管理，最终数据输出时间约2～3 s，故其理论检测周期约为22～23 s，最大检测周期小于30s。因为较短的检测周期，气相色谱法完全可以支持对室内空间氡污染的实时监测系统的数据源功能需求[10]。

（2）敏感度和特异度较高

气相色谱法在对氡污染中涉及到的Rn、Bi、Pb三种元素的检测敏感度均高于2d检测周期的活性炭盒法，略低于30d检测周期的径迹蚀刻法。且根据Rn衰变规律，其对Po的检测敏感度虽低，但仍可采用曲线估计法对该检测结果进行估计评价。其检测特异度也高于活性炭盒法，略低于径迹蚀刻法。所以，实际室内大气监测工作中，气相色谱法可以充分替代活性炭盒法，得到近似于径迹蚀刻法的特异度检测结果，且此结果为实时结果。

4 总结

提升气相色谱法特异度的方法，是识图过程中考察更多标志谱线，本文计算中，采用单标志谱线的元素评价方法，同时考察3条以上的谱线，可以获得更高的检测特异度。提升其敏感度的方法，是对上述数据治理方案进一步升级。即使用未加硬件改动的气相色谱设备对室内空气进行持续观测，也可以得到较高特异度和敏感度的氡污染实时监测结果。