遗传算法在点源扩散浓度反演排放源强中的应用.pdfVIP

遗传算法在点源扩散浓度反演 排放源强中的应用① 陈军明　徐大海 　朱 　蓉 ( 中国气象科学研究院 ,北京 　100081) 提 　　要 　　污染源清单的建立是 目前城市大气污染浓度预报中的一大障碍 。使用遗传算法 和多点源扩散模式 ,从控制点浓度成功地反演了点源排放清单 。源强反演数值的统 计结果表明 ,该方法简单易行 ,效果较好 ,为空气污染预报系统提供了一种反演排放 清单的途径 。 关键词 : 　空气污染 　源强 　反演 　遗传算法 引　言 放源清单 。建立排放清单往往需要耗费大量 近 20 年来 ,城市大气污染预报模式的研 人力物力对城市的每个污染源进行调查 。长 究得到了很大的发展 。从过去的统计预报模 期以来 ,作为对源清单建立的补助方法 ,人们 式 , 已发展到今天的中尺度气象预报模式 、污 还使用接受器模型和源解析的方法 。对观测 染扩散模式和光化学模式相结合的城市大气 地点得到的气溶胶化学成分的资料进行统计 污染预报系统 。如加拿大国家研究委员会的 分析 ,可以直接判断各类源对气溶胶的化学 MC2CAL GR ID 模式系统[ 1 ] ,是由一个非静 成分浓度和总质量浓度的贡献 ,这种数学模 力平衡的半显式半拉格朗日中尺度气象模式 型称为受体模型[5 ] 。199 1 、1995 年徐大海和 ( ) [6 ,7 ] 和一个综合 comp rehensive 光化学模式结合 朱蓉 在 A TDL 模式的基础上导出了大气 而成的模式系统 ; 德国 Cologne 大学的 EU 污染物面源源强分布到浓度分布的扩散稀释 RAD 大气污染预报系统[2 ] 由 MM5 、EEM 污 矩阵 ,将源强矩阵与浓度矩阵线性地联系起 染扩散模式和 C TM2 化学传输模式组成 。 来 , 由当地的气候数据 、地理条件 、各类源高 、 但绝大多数的大气污染物传输扩散模型都不 排放气体的干湿沉降和衰变参数计算出扩 可避免的依赖于污染源资料 。然而 ,污染源 散 ,直接由浓度矩阵求取源强矩阵 ,从而提出 调查是一个具有内在的、经常性的和相当大 了由数值模式反演源强的方法 。200 1 年刘 不确定性的复杂过程[3 ] ,成为城市大气污染 品高等将遗传算法引入大气污染总量控制 预报中的一大障碍 。 中 ,应用它来进行面源源强的反演 ,用以确定 空气污染预报的最终 目标在于建立污染 地区的大气排放总量并且和稀释矩阵反演方 事件警报系统 ,在可能出现污染事件的时期 法作了对 比[ 8 ] 。本文将遗传算法应用到点 可以采取自愿和强制性的减排措施 。要求工 源源强的反演中 ,可以在浓度和点源源强之 业部门减少排放量 ,甚至完全停产 ,发电厂转 间建立一种直接的关系 ,为空气污染预报和 用为污染事件期间储备的低硫燃料 。要求某 总量控制提供基础 。 些工厂在烟雾期间暂时只使用高烟囱排放 , 1 　遗传算法的基本原理 禁止低于 40m 的烟囱工业排放 。要做到这 遗传算法是组合最优化算法的一种 ,要 一点 ,必须要了解污染浓度分布与排放源之 求解的数学问题模型为 : 间的关系[4 ] , 为此 ,