空气监测点位优化和大气质量评价的研究
|
摘要
开展本研究的主要目的是为了适应日益深化的城市环境监测与管理的需要，寻求建立最优化的大气环境监测网络和大气环境质量分析与评价模型，以使环境工作者能够做到正确的评价环境质量，科学的制定环境评价标准；准确地提供环境监测报告、预报，对环境进行现代化的管理等。
本文主要讨论环境监测点位优化布设的若干问题，并针对滨州市的环境监测网络的实际情况确立了本市例行监测点位优化布设的理论基础、原则和方法，提出了空气监测优化布点的实施方案。监测点位布设最优方案的选择，其目的在于以最少的监测点位和工作量来获得具有最大代表性的和完整的、系统的可靠的大气环境监测信息。目前用于大气环境监测点的优化方法较多，各有特色，而模糊聚类法作为多目标决策的一种优选方法，有着独到之处。本文尝试着将该方法进行适当改进，运用最优分割法对样品进行分类，采用模糊矩阵最大元法对各个监测点位的原始数据进行检验、置信水平排序、最优化分级、模糊相关分析以及优化结果检验，从而最终确定优化点位。该方法使用简便，模型直观，分级自然，避免了诸多人为因素，符合空气监测网格化布点的要求，能反映空气污染的最高点、均值点、趋势点和对照点，同时也能反映优化后点位的整体代表性，这是本文的研究内容之一。
同时，本文分析了大量的业已存在的研究成果，首次提出了一种空气质量评价的新方法，即空气质量降维B-P神经网络评价法，在传统B-P神经网络的基础上，应用主成分分析将多维空间的样本数据降维到低维空间上，然后建立B-P网络评价模型。通过对比分析，证明这种基于降维技术和B-P神经网络相结合的方法用于解决非线性多维体系的环境质量评价问题是行之有效的。该研究是基于现实的问题提出来的，其解决方法进一步丰富和发展了大气环境质量分析与评价模型，同时，也进一步的丰富了B-P神经网络在大气环境质量分析与评价中的应用。这是本文的研究内容之二。
The main purpose of this investigation is for the development of environmental monitoring and the requirement of city administration, to establish the optimized environmental monitoring network and the model of environmental quality assessment, to help the environmental researcher to make a correct environmental quality assessment, scientifically define the environmental standard, accurately provide environmental monitoring report and prediction, and administrate the environment by modern method.
This thesis was centered on the optimization of environmental monitoring site. According to the environmental monitoring network of Binzhou city, the theoretical basis, principle and method of the optimized routine monitoring site in our city were established; the project of air monitoring optimization site was also proposed. The aim of selecting the optimized monitoring site is to obtain the most representative, complete, systematic and responsible air environmental monitoring information by the least monitoring sites and workload. At present there are many methods on the site optimization of air environmental monitoring and each has its characteristics. Fuzzy classification, as an optimized multi-goal decision-making method, has its specific characteristics. The article tries to improve the method properly, classifies the samples by using optimized separating method, adopt to test each site' s original measurements, arrange reliability , optimizedly classify, analyze obscure relations and examine the optimized results. Thus the optimized sites are finally determined. The method is easy to use, and has directly perceived model and natural classification. It avoids many subjective factors, accords with the demands of air environmental monitoring site, and the optimized site can represent the whole. This is one of the
studying contents of the article.
The thesis also analyzed a lot of existing research results and first proposed a new method of assessing air quality, i. e. the reducing dimension B-P neural network assessment method. Based on traditional B-P neural network, this method reduced the sample data of multi-dimensional space to low-dimensional one by main component analysis, and then established the B-P network assessment model. The contrast analysis proved that this method of combining reducing dimension technology and B-P neural network was effective for the solution of environmental monitoring assessment problem in non-linear multi-dimensional system. The project based on the realistic problem, has very important application and promotion for the development of environmental monitoring and intensification of environmental administration. Moreover, the method enriches and developes the analysis and assessment model of air environment quality; and also extends the application of B-P neural network in analysis and assessment of air environment quality. This is the other studying contents of the article.
本文主要讨论环境监测点位优化布设的若干问题，并针对滨州市的环境监测网络的实际情况确立了本市例行监测点位优化布设的理论基础、原则和方法，提出了空气监测优化布点的实施方案。监测点位布设最优方案的选择，其目的在于以最少的监测点位和工作量来获得具有最大代表性的和完整的、系统的可靠的大气环境监测信息。目前用于大气环境监测点的优化方法较多，各有特色，而模糊聚类法作为多目标决策的一种优选方法，有着独到之处。本文尝试着将该方法进行适当改进，运用最优分割法对样品进行分类，采用模糊矩阵最大元法对各个监测点位的原始数据进行检验、置信水平排序、最优化分级、模糊相关分析以及优化结果检验，从而最终确定优化点位。该方法使用简便，模型直观，分级自然，避免了诸多人为因素，符合空气监测网格化布点的要求，能反映空气污染的最高点、均值点、趋势点和对照点，同时也能反映优化后点位的整体代表性，这是本文的研究内容之一。
同时，本文分析了大量的业已存在的研究成果，首次提出了一种空气质量评价的新方法，即空气质量降维B-P神经网络评价法，在传统B-P神经网络的基础上，应用主成分分析将多维空间的样本数据降维到低维空间上，然后建立B-P网络评价模型。通过对比分析，证明这种基于降维技术和B-P神经网络相结合的方法用于解决非线性多维体系的环境质量评价问题是行之有效的。该研究是基于现实的问题提出来的，其解决方法进一步丰富和发展了大气环境质量分析与评价模型，同时，也进一步的丰富了B-P神经网络在大气环境质量分析与评价中的应用。这是本文的研究内容之二。
The main purpose of this investigation is for the development of environmental monitoring and the requirement of city administration, to establish the optimized environmental monitoring network and the model of environmental quality assessment, to help the environmental researcher to make a correct environmental quality assessment, scientifically define the environmental standard, accurately provide environmental monitoring report and prediction, and administrate the environment by modern method.
This thesis was centered on the optimization of environmental monitoring site. According to the environmental monitoring network of Binzhou city, the theoretical basis, principle and method of the optimized routine monitoring site in our city were established; the project of air monitoring optimization site was also proposed. The aim of selecting the optimized monitoring site is to obtain the most representative, complete, systematic and responsible air environmental monitoring information by the least monitoring sites and workload. At present there are many methods on the site optimization of air environmental monitoring and each has its characteristics. Fuzzy classification, as an optimized multi-goal decision-making method, has its specific characteristics. The article tries to improve the method properly, classifies the samples by using optimized separating method, adopt to test each site' s original measurements, arrange reliability , optimizedly classify, analyze obscure relations and examine the optimized results. Thus the optimized sites are finally determined. The method is easy to use, and has directly perceived model and natural classification. It avoids many subjective factors, accords with the demands of air environmental monitoring site, and the optimized site can represent the whole. This is one of the
studying contents of the article.
The thesis also analyzed a lot of existing research results and first proposed a new method of assessing air quality, i. e. the reducing dimension B-P neural network assessment method. Based on traditional B-P neural network, this method reduced the sample data of multi-dimensional space to low-dimensional one by main component analysis, and then established the B-P network assessment model. The contrast analysis proved that this method of combining reducing dimension technology and B-P neural network was effective for the solution of environmental monitoring assessment problem in non-linear multi-dimensional system. The project based on the realistic problem, has very important application and promotion for the development of environmental monitoring and intensification of environmental administration. Moreover, the method enriches and developes the analysis and assessment model of air environment quality; and also extends the application of B-P neural network in analysis and assessment of air environment quality. This is the other studying contents of the article.
引文
[1]吴忠勇，大气环境监测优化布点方法[M]，北京：中国环境科学出版社，1992．
[2]庄世坚，中国环境科学，1992，12(6)：410-414．
[3]庄世坚，环境科学，1988，9(3)：64-67．
[4]李公铎，上海环境科学，1996，15(7)：46．
[5]王彩路，刘建茹等，中国环境监测，1991，7(6)：15-18．
[6]白志忠，柳州市大气环境监测点位优化研究，6-9．
[7]邱敏，蔡秀珍，王致忠，华北地质矿产杂志，1996，10(2)：221-225．
[8]傅金升，刘安生，陈雅芬，环境科学，1992，13(3)：75-79．
[9]李国颖，大气环境，1991，6(4)：6-9．
[10]赵立蔚，刘伟，刘彩霞，城市环境与城市生态，2001，14(4)：47-49．
[11]陈守翌，系统模糊决策理论与应用[M]，大连：大连理工大学出版社，1994．
[12]唐士豹，陈美芳，何泓治，四川环境，1991，10(2)：53-59．
[13]李家胜，环境保护，1999，(1)：18-20．
[14]庄世坚等，中国环境科学，1990，10(2)：148．
[15]秦依明，新疆环境保护，1997，19(4)：30．
[16]李祚泳，环境科学研究，1999，12(3)：46-48．
[17]杨永泰，程金沐，张劲伟，环境科学研究，1996，9(1)：12-15．
[18]蔡文，物元模型及其应用[M]，北京：科学技术出版社，1994．
[19]李祚泳，环境工程，1996，14(3)：46-49．
[20]李祚泳，环境科学研究，1996，9(6)：45-48．
[21]孙中党，赵勇，李静，监测分析，1999，21(6)：16-18．
[22]于永彬，朱慧君，环境保护，1997，(6)：26-29．
[23]李祚泳，中国环境科学，1997，17：10．
[24]邓振勤，中国环境监测，1998(5)：23．
[25]李祚泳，环境科学研究，1998，11(5)：34-36．
[26]于连生，环境模糊系统及其应用[M]，吉林大学出版社，1992，39-42．
[27]宋鹭，龚为民，宋建生，大气污染防治，1999(5)：13-15．
[28]窦素珍，王黎虹等，城市环境与城市生态，2001，14(5)：55-59．
[29] 于连生，李巍，房春生，中国环境监测，1994，10(4)：3-5．
[30] 胡明志，任荔，环境科学进展，1996，4(5)：41-47．
[31] 许榕，中国环境监测，1994，10(5)：1-3．
[32] 赵克勤．集对分析对不确定性的描述和处理[J]．信息与控制，1998，24(3)：162—166．
[33] 李祚泳．大气环境质量综合评价的集对分析方法[J]．环境科学研究，1998，11(2)：31-33．
[34] 武丽敏，钱振华等。大气质量评价综合指数法的研究．环境科学，1995，16(3)：58-60．
[35] 李祚泳．环境质量综合指数的余分指数合成法．中国环境科学，1997，17(6)：554-556．
[36] 李祚泳．大气环境评价的标度指数法．中国环境科学，1998，18(5)：433-436．
[37] 李祚泳．大气质量评价的广义对比加权标度指数法．环境工程，2000，18(6)：48-50．
[38] 宋鹭等，大气环境质量的模糊综合评判方法，上海环境科学，1999，18(1)：13-15．
[39] 熊德琪，改进的大气环境质量评价方法及应用，环境工程，2000，18(2)：61-63．
[40] 林立忠，朱斌．模糊优化方法在全港区大气环境质量评价中的应用，2002，31(2)：139-143．
[41] 苑静等，模糊聚类理论在大气环境质量评价中的应用，东华大学学报，2001，27(1)：95-97．
[42] 李子君，陈淑芬．灰色系统理论在泰安市大气环评中的应用，山东建筑工程学院学报，2000．15(1)：72-76．
[43] 叶晓红，叶平．重庆市区2000年前大气环境质量的灰色预测，重庆环境科学，1991，13(2)：34-37．
[44] 徐肇忠，陈亮．Fuzzy-Grey理论在城市环境质量评价中应用的研究—以湖北黄石市大气环境质量评价为例[J]．环境科学学报，1997，17(3)：260-267．
[45] 李胜，赵冬梅等．城市交通环境空气质量评价的灰色层次方法．四川环境，1999，18(3)：53-57．
[46] 李银山，密切值法在大气环境质量评价中的应用，干旱环境监测，2003，17(1)：35-37．
[47] 林衍等．物元分析在大气环境质量评价中的应用．重庆大学学报，1997，20(1)：38-42．
[48] 陈德明，李祚泳．大气环境质量的物元分析评价法，环境科学研究，1994，7(2)：24-28
[49] Cai Wen. The extension set and non-compatible problems. Advances Mathematics and Mechaniccs in China. Beijing;International Academic Publishers, 1990.
[50] 陈德明，李祚泳．大气环境质量的物元分析评价法[J]．环境科学研究，1994，7(2)：24-28．
[51] 冯玉国．用物元分析法综合评价环境质量[J]．环境保护，1995，(9)：30-32．
[52] 沈珍瑶，谢彤芳，钱天伟．环境质量评价中模糊综合评判法—灰色聚类法及物元分析法的比较[J]．污染防治技术，1997，10(2)：72-74．
[53]Rumelhart D, hinfon G,Williams R.Learning representation by back propagating errors[J]. Nature, 1986, (323): 533-536.
[54]李祚泳，邓新民．大气环境质量综合评价的B—P网络模型．重庆环境科学，1994，16(6)：37-40．
[55]郑成德．大气环境质量的人工神经网络决策模型[J]．环境科学进展，1997，7(1)：83-87．
[56]李祚泳，邓新明．环境污染预测的人工神经网络模型[J]．成都气象学院学报，1997，12(4)：279-283．
[57]Andrew C C. Comparing Neural Networks and regression model for ozone forecasting[J]. J. Air & Waste Manage. Assoc, 1997, 47: 653-663.
[58]白强，江苏环境科技，1995，4(3)：14-17．
[59]金文刚，环境监测管理与技术，1997，9(6)：36-38．
[60]空气和废气监测分析方法[M]，北京：中国环境科学出版社，1990，110-115．
[61]王成辉，杨碧波，环境保护科学，2000，
[62]杜晓兰，孙建芹等，中国环境监测，2000，16(2)：18-19．
[63]李康敏等译，空气质量监测网的设计，广州科学普及出版社1985．
[64]环境监测技术规范[M]，国家环境保护局，1986．
[65]中国环境保护标准汇编(大气质量分析方法)，中国标准出版社，2000．
[66]金文刚，环境监测管理与技术，1997，9(6)：36-38．
[67]Levaggi D.A.,Wayman S.,Milton F. et al., Environ. Scl. Technol.,1972,6(3):250.
[68]Hisham M.W.M.,Daniel G., Atmos Environ.,1990,24A(9):2523.
[69]Kiyoung Lee, Yukio Yanagisaea, John D.S.et al.,Indoor Air,1993,3:124.
[70]Kiyoung Lee, Yukio Yanagisaea, John D.S.et al.,Environment International,,1993,19:3.
[71]Yang Yi, Zhang Xin-Xiang, Takashi Korenaga et al.,Talana, 1997,45:445.
[72]Taiki Aoyama, Tamotsu Yashiro. J.Chromatogr.,1983,265:69.
[73]贺仲雄，模糊数学及其应用[M]，天津：天津科学出版社，1992
[74]于连生，环境模糊系统及其应用[M]，吉林大学出版社，1992，39-42
[75]窦素珍，王黎虹等，城市环境与城市生态，2001，14(5)：55-59．
[76]于连生，李巍，房春生，中国环境监测，1994，10(4)：3-5．
[77]王凌，智能优化算法及其应用[M]．北京：清华大学出版社，2001．
[78]邹长武，熊建秋．大气环境质量分析与评价研究的新进展，四川环境，2002，21(3)：17-20．
[79]施鸿宝．神经网络及其应用．西安：西安交通大学出版社，1993．38-45
[80]Hecht-Nielson R. Theroy of the B-P neural network, PROC IEEE, Inter Conf on Neural Network, 1989, Ⅰ: 596～605
[81]李峰，基于BP神经网络的环境质量评价方法，中国环境监测，2000，14(3)：41-43
[82]杨文东，神经网络在大气环境质量评价中的应用研究，工业安全与环保，2001，27(9)：31-33
[83]陈云浩，郭达志，遗传BP算法在大气环境综合评价中的应用，大自然探索，1996，69(3)：72-73．
[84]舒军龙等．干旱环境监测，1998，12(4)：224-227．
[85]熊德琪，李琼等，城市空气质量模糊评价新方法．中国环境监测，2000，16(3)：39-41．
[86]余常贵，王秀文．模糊数学在大气环境质量评价中的应用．重庆环境科学，1991，13(1)：28-32．
[2]庄世坚，中国环境科学，1992，12(6)：410-414．
[3]庄世坚，环境科学，1988，9(3)：64-67．
[4]李公铎，上海环境科学，1996，15(7)：46．
[5]王彩路，刘建茹等，中国环境监测，1991，7(6)：15-18．
[6]白志忠，柳州市大气环境监测点位优化研究，6-9．
[7]邱敏，蔡秀珍，王致忠，华北地质矿产杂志，1996，10(2)：221-225．
[8]傅金升，刘安生，陈雅芬，环境科学，1992，13(3)：75-79．
[9]李国颖，大气环境，1991，6(4)：6-9．
[10]赵立蔚，刘伟，刘彩霞，城市环境与城市生态，2001，14(4)：47-49．
[11]陈守翌，系统模糊决策理论与应用[M]，大连：大连理工大学出版社，1994．
[12]唐士豹，陈美芳，何泓治，四川环境，1991，10(2)：53-59．
[13]李家胜，环境保护，1999，(1)：18-20．
[14]庄世坚等，中国环境科学，1990，10(2)：148．
[15]秦依明，新疆环境保护，1997，19(4)：30．
[16]李祚泳，环境科学研究，1999，12(3)：46-48．
[17]杨永泰，程金沐，张劲伟，环境科学研究，1996，9(1)：12-15．
[18]蔡文，物元模型及其应用[M]，北京：科学技术出版社，1994．
[19]李祚泳，环境工程，1996，14(3)：46-49．
[20]李祚泳，环境科学研究，1996，9(6)：45-48．
[21]孙中党，赵勇，李静，监测分析，1999，21(6)：16-18．
[22]于永彬，朱慧君，环境保护，1997，(6)：26-29．
[23]李祚泳，中国环境科学，1997，17：10．
[24]邓振勤，中国环境监测，1998(5)：23．
[25]李祚泳，环境科学研究，1998，11(5)：34-36．
[26]于连生，环境模糊系统及其应用[M]，吉林大学出版社，1992，39-42．
[27]宋鹭，龚为民，宋建生，大气污染防治，1999(5)：13-15．
[28]窦素珍，王黎虹等，城市环境与城市生态，2001，14(5)：55-59．
[29] 于连生，李巍，房春生，中国环境监测，1994，10(4)：3-5．
[30] 胡明志，任荔，环境科学进展，1996，4(5)：41-47．
[31] 许榕，中国环境监测，1994，10(5)：1-3．
[32] 赵克勤．集对分析对不确定性的描述和处理[J]．信息与控制，1998，24(3)：162—166．
[33] 李祚泳．大气环境质量综合评价的集对分析方法[J]．环境科学研究，1998，11(2)：31-33．
[34] 武丽敏，钱振华等。大气质量评价综合指数法的研究．环境科学，1995，16(3)：58-60．
[35] 李祚泳．环境质量综合指数的余分指数合成法．中国环境科学，1997，17(6)：554-556．
[36] 李祚泳．大气环境评价的标度指数法．中国环境科学，1998，18(5)：433-436．
[37] 李祚泳．大气质量评价的广义对比加权标度指数法．环境工程，2000，18(6)：48-50．
[38] 宋鹭等，大气环境质量的模糊综合评判方法，上海环境科学，1999，18(1)：13-15．
[39] 熊德琪，改进的大气环境质量评价方法及应用，环境工程，2000，18(2)：61-63．
[40] 林立忠，朱斌．模糊优化方法在全港区大气环境质量评价中的应用，2002，31(2)：139-143．
[41] 苑静等，模糊聚类理论在大气环境质量评价中的应用，东华大学学报，2001，27(1)：95-97．
[42] 李子君，陈淑芬．灰色系统理论在泰安市大气环评中的应用，山东建筑工程学院学报，2000．15(1)：72-76．
[43] 叶晓红，叶平．重庆市区2000年前大气环境质量的灰色预测，重庆环境科学，1991，13(2)：34-37．
[44] 徐肇忠，陈亮．Fuzzy-Grey理论在城市环境质量评价中应用的研究—以湖北黄石市大气环境质量评价为例[J]．环境科学学报，1997，17(3)：260-267．
[45] 李胜，赵冬梅等．城市交通环境空气质量评价的灰色层次方法．四川环境，1999，18(3)：53-57．
[46] 李银山，密切值法在大气环境质量评价中的应用，干旱环境监测，2003，17(1)：35-37．
[47] 林衍等．物元分析在大气环境质量评价中的应用．重庆大学学报，1997，20(1)：38-42．
[48] 陈德明，李祚泳．大气环境质量的物元分析评价法，环境科学研究，1994，7(2)：24-28
[49] Cai Wen. The extension set and non-compatible problems. Advances Mathematics and Mechaniccs in China. Beijing;International Academic Publishers, 1990.
[50] 陈德明，李祚泳．大气环境质量的物元分析评价法[J]．环境科学研究，1994，7(2)：24-28．
[51] 冯玉国．用物元分析法综合评价环境质量[J]．环境保护，1995，(9)：30-32．
[52] 沈珍瑶，谢彤芳，钱天伟．环境质量评价中模糊综合评判法—灰色聚类法及物元分析法的比较[J]．污染防治技术，1997，10(2)：72-74．
[53]Rumelhart D, hinfon G,Williams R.Learning representation by back propagating errors[J]. Nature, 1986, (323): 533-536.
[54]李祚泳，邓新民．大气环境质量综合评价的B—P网络模型．重庆环境科学，1994，16(6)：37-40．
[55]郑成德．大气环境质量的人工神经网络决策模型[J]．环境科学进展，1997，7(1)：83-87．
[56]李祚泳，邓新明．环境污染预测的人工神经网络模型[J]．成都气象学院学报，1997，12(4)：279-283．
[57]Andrew C C. Comparing Neural Networks and regression model for ozone forecasting[J]. J. Air & Waste Manage. Assoc, 1997, 47: 653-663.
[58]白强，江苏环境科技，1995，4(3)：14-17．
[59]金文刚，环境监测管理与技术，1997，9(6)：36-38．
[60]空气和废气监测分析方法[M]，北京：中国环境科学出版社，1990，110-115．
[61]王成辉，杨碧波，环境保护科学，2000，
[62]杜晓兰，孙建芹等，中国环境监测，2000，16(2)：18-19．
[63]李康敏等译，空气质量监测网的设计，广州科学普及出版社1985．
[64]环境监测技术规范[M]，国家环境保护局，1986．
[65]中国环境保护标准汇编(大气质量分析方法)，中国标准出版社，2000．
[66]金文刚，环境监测管理与技术，1997，9(6)：36-38．
[67]Levaggi D.A.,Wayman S.,Milton F. et al., Environ. Scl. Technol.,1972,6(3):250.
[68]Hisham M.W.M.,Daniel G., Atmos Environ.,1990,24A(9):2523.
[69]Kiyoung Lee, Yukio Yanagisaea, John D.S.et al.,Indoor Air,1993,3:124.
[70]Kiyoung Lee, Yukio Yanagisaea, John D.S.et al.,Environment International,,1993,19:3.
[71]Yang Yi, Zhang Xin-Xiang, Takashi Korenaga et al.,Talana, 1997,45:445.
[72]Taiki Aoyama, Tamotsu Yashiro. J.Chromatogr.,1983,265:69.
[73]贺仲雄，模糊数学及其应用[M]，天津：天津科学出版社，1992
[74]于连生，环境模糊系统及其应用[M]，吉林大学出版社，1992，39-42
[75]窦素珍，王黎虹等，城市环境与城市生态，2001，14(5)：55-59．
[76]于连生，李巍，房春生，中国环境监测，1994，10(4)：3-5．
[77]王凌，智能优化算法及其应用[M]．北京：清华大学出版社，2001．
[78]邹长武，熊建秋．大气环境质量分析与评价研究的新进展，四川环境，2002，21(3)：17-20．
[79]施鸿宝．神经网络及其应用．西安：西安交通大学出版社，1993．38-45
[80]Hecht-Nielson R. Theroy of the B-P neural network, PROC IEEE, Inter Conf on Neural Network, 1989, Ⅰ: 596～605
[81]李峰，基于BP神经网络的环境质量评价方法，中国环境监测，2000，14(3)：41-43
[82]杨文东，神经网络在大气环境质量评价中的应用研究，工业安全与环保，2001，27(9)：31-33
[83]陈云浩，郭达志，遗传BP算法在大气环境综合评价中的应用，大自然探索，1996，69(3)：72-73．
[84]舒军龙等．干旱环境监测，1998，12(4)：224-227．
[85]熊德琪，李琼等，城市空气质量模糊评价新方法．中国环境监测，2000，16(3)：39-41．
[86]余常贵，王秀文．模糊数学在大气环境质量评价中的应用．重庆环境科学，1991，13(1)：28-32．