基于PSO-SA算法的源项反演方法研究

摘要：

针对大气污染事故突发时,事故发生点无法确定或人员不能接近的情况,研究了基于环境监测数据源项反演以获取事故源项数据的技术,设计实现了一种基于粒子群-模拟退火源项反演方法.采用自适应方法调整惯性权重系数,与高斯烟羽扩散模型结合,对事故源项数据进行反演.实验结果显示:在所选监测点监测数据的反演实验中,基于粒子群-模拟退火算法(PSO-SA)结合了两种算法的优势,能够获得与期望值较为符合的反演结果.进一步分析了监测点数据误差及监测点数量对反演结果的影响,并将文中方法与粒子群算法(PSO)进行对比,同等条件下,较粒子群算法精度提高了8%,能够快速实现对大气污染源强和位置的准确估计.

关键词：源项反演、大气污染、粒子群算法、模拟退火算法、高斯烟羽、自适应惯性权重

所属期刊栏目：47

分类号：TN911.1-34;TP391.9

资助基金：重点产业创新链群2021ZDLGY07-06;陕西省交通运输科技项目

在线出版日期：2024-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：100-104