文献综述（或调研报告）：
土壤中挥发性有机污染物长期以来一直受到人们重视，作为一类特殊的土壤污染，由于挥发性有机物有不同于其他污染物的污染特性，并因其成分复杂和危害性，被列为环境中潜在危险性大、应优先控制的毒害性污染物。土壤中挥发性有机污染物主要是石油烃，如烷烃类、苯及其化合物、有机氯化物等。这些污染物排放到环境中，会带来严重的后果：给地下水源造成污染；污染大气环境；改变土壤特性，影响农业生产；由于石油烃气体积累于建筑物地下，会造成爆炸危险；共用地下管网设施，与泄露烃类接触，会加速其老化等[1]。
一 、国内外关于有机物的挥发特性的研究
陈晓珊等[2] 着眼于挥发性污染物的挥发过程,通过现场调研和实验室模拟,初步探索了NH3、H2S和烃类物质的挥发规律,为石油加工企业挥发性污染物的污染源评估和污染物的源头控制提供理论指导。有机物大多难溶于水或微溶于水,其在水中的分布状态、基本性质以及其在水中和液面上的浓度分布均会对挥发造成一定的影响,上述影响因素与温度、pH、污染物含量等因素共同作用,导致挥发性有机物的挥发规律难以预测。通过静态模拟实验可知,pH为挥发性无机物挥发的最主要影响因素,即溶液中的离子形态占主导地位。此外随着温度和初始浓度的增加,挥发性无机物的挥发量也有所增加。通过动态模拟实验发现,挥发性无机物的传质速率主要由液膜控制。
孙静等[3]以四种挥发性卤代烃和六种挥发性苯系物为目标研究对象，研究土壤中挥发性有机物测试的前处理方法和提取试剂。采用自动顶空进样-气相色谱法进行定性定量。对三种前处理方法（常温水浴振荡、加温水浴振荡和超声震荡）和十种提取试剂进行了探讨。
氨挥发是土壤氮素气态损失的重要途径，其损失量有时高达施氮量的40%~50%[4]。氨挥发是一个错综复杂的化学反应过程，常受到土壤状况（质地、P H及肥力条件等）[5]、环境因子[6][7]（温湿度、风速及降雨等）诸多因素影响。围绕这些因素，国内外学者开展了大量的研究，并建立了Elovich等传统数学模型，而传统的经验模型很难保证其预测精度。BP神经网络是近几年来迅速发展的人工智能新技术，它的灵活性比较大，具有很好的泛化能力和较强的容错性，以及很强的非线性映射能力。遗传算法是一种启发式搜索算法，能够避开局部极小点，而且在进化过程中也无需提供所要解决问题的梯度信息，具有较强鲁棒性，隐含并行性和全局搜索特性。冯玚，郭向红[8]等根据室内土壤挥发实验数据，建立了Elovich、BP神经网络，以及GABP三种预测模型，并分析比较了三种模型的预测效果。Elovich模型的方程为：y=
式中：t为培养时间；y为氨挥发量；c为常数；k为氨挥发速率即为单位时间内的氨挥发量。
结果表明：三种预测模型均能满足模拟精度要求。三种模型的预测效果好坏表现为：GABP〉BP〉Elovich.
二 、国内外关于土壤中挥发性有机物去除方法与规律的研究
