遗传算法识别模型在水污染源辨识中的应用.pdfVIP

2016年第9期 水利规划与设计 科研管理 DOI：10．3969／j．issn．1672—2469．2016．09．020 遗传算法识别模型在水污染源辨识中的应用 郑 红 (沈阳市水利建筑勘测设计院，辽宁 沈阳 110015) 摘要 ：针对传统水污染源辨识模型存在适用性不足等 问题 ，本文通过结合数学分析方法与遗传算法，基于简化 的 一 维对流数学扩散方程构造适应度函数 ，从而构建 了水污染源遗传算法辨识模型，并使用该模型针对多点源与单 点源两种水污染状况污染源进行 了辨识与对 比分析 。研究结果表 明，该模型计算简易且可操作性强，可取得较好 的反演效果 ．研 究可为我 国河流水污染源反演辨识提供决策依据 。 关键词 ：水污染源 ；遗传算法 ；辨识模型 中图分类号 ：X522 文献标识码 ：A 文章编号 ：1672—2469(2016)09—0058—03 随着我 国城镇化与工业化进程 的持续推进 ， 种交配与繁殖 、基因突变等现象，以任意初始种群 河道水污染事件呈现高发的态势。水污染发生后 ， 为出发点 ，采取 随机选取 、交错与突变算子的方 如何正确辨识污染源是应急抢 险中的关键 问题。 法 ，产生出更适应环境的新个体 ，在一代代 的遗传 然而 ，在实际的应急抢 险过程 中，实现污染源 的 演化后产生的最优体。种群中的个体均为优化问题 反演却十分 困难 ¨。鉴于此 ，国内外学者先后提 的可行解 ，其 中的最优个体即为最优解 。该算法 出监测一判断法 ，该方法虽能正确辨识 出水源 区 作为智能优化方法，具有以下优点：①能实现全局 水污染事故 的污染源 ，然而 ，该方法要求多地点 搜索与向最优解收敛。②针对复杂的非线性 问题的 与 多频 次监测 ，且 只适于连续 的排放源 。此 处理具有较强的抗变换性。③连续型或离散型函数 外 ，有相关学者提出在 已知污染源位置的前提下 ， 均可作为优化 目标 函数。④原理简单 ，实用性及操 将地理统计方法与河道一维水质模型相结合 ，反 作性强。 演辨识了河流污染物总量及位置 。但建立水质 1．1．2 计算过程 数值模型需要大量 的水文 、地质及水质 的数据 资 水污染的突发事故可定义为污染物瞬 间汇人 料 ，且需大量事故应急监测支撑数据 ，故严重限 河流 中发生的扩散与对流过程。通常情况下，可 制了其应用及推广 。而数学分析法可针对求得 的 用一维对流数学扩散方程描述该过程 。但往往在 地表水控制方程 ，采用优化法反演 出水污染事故 实施事故的应 急抢 险工作 时 ，常发生缺乏相应河 的污染源。遗传算法 由于具备全面搜索 的能力 ， 流水文及地形资料的情况 。因此 ，需对方程做 已广泛应用到水污染污染源反演 的研究中，取得 如下简化 ：①河流初始状态下及两端点处污染物 了理想 的效果 ，且应用效率高 ，抗变换性及可操 浓度对入河污染物总量而 言 ，简化为 0。②将河 作性强 。鉴于此 ，本文将数学分析法与遗传算 流简化为均匀介质 的均匀流 ，且河道简化为长为 法结合 ，构建了基于遗传算法的水污染污染源辨 s的顺直河道 。③污染物在河流 中均匀混合，且 识模型。研究表 明，该模型能有效解决水污染 中 沿河道有一定减弱。可得在 多点源污染事故发生 污染源反演 问题 。 时 ，汇人河流后污染物浓度分布一维对流简化数 1 遗传算法识别模型 学方程如下 ： 1．1 遗传算法 1．1．1 基本原理