遗传算法动态修正核素大气扩散模型的适应度函数研究.PDF

第 37 卷 第 4 期 核 技 术 Vol.37, No.4 2014 年 4 月 NUCLEAR TECHNIQUES April 2014 遗传算法动态修正核素大气扩散模型 的适应度函数研究 吉志龙 马元巍 王德忠 （上海交通大学核科学与工程学院 上海 200240 ） 摘要 放射性核素大气扩散模型中，基于示踪实验获得的经验扩散参数依赖于具体的实验条件，在事故条件 下，由于风场、大气湍流、地表状态等与实验条件存在差异，经验扩散参数难以准确反映实际扩散过程。为 了弥补这一不足，可以以经验参数为先验值，使用实际观测数据对其进行实时动态修正。本文基于遗传算法， 建立动态修正模型，通过数值模拟得到 4 种适应度函数对修正结果的影响。结果表明，根据观测误差设置不 同权重的适应度函数修正效果更好。在此基础上，使用Kincaid 实验数据集进行模型预测能力的验证，结果表 明，使用遗传算法对拉格朗日扩散模型中的扩散参数进行修正，可明显提高扩散模型的预测能力。 关键词 大气扩散模型，遗传算法，适应度函数，数值模拟，核事故后果评价 中图分类号 TL73 DOI: 10.11889/j.0253-3219.2014.hjs.37.040503 核事故应急支持系统中，核素扩散模型为应急 和受体模型，进行源项反演，以达到增强污染物扩 处理提供技术支持，其准确性影响到应急决策是否 散模拟准确度的目的；Jeong 等[6]使用类似的技术对 及时有效。扩散模型中，传统的扩散系数通常采用 核电厂泄露物的扩散进行了分析；Allen 等[7]提出了 基于大量扩散实验得到的经验参数。由于事故状态 动态修正风场信息，以提高源项反演精确度的技术； 下的风场、大气湍流、地表等与实验条件存在差异， Qin 等[8]使用源项反演技术分析了英国 Dundee 地区 导致经验扩散参数难以准确反映实际的扩散过程。 的空气污染源，对污染物扩散过程进行了模拟。研 以IAEA 和 USNRC 推荐的 Pasquill-Gifford (PG)扩 究表明，源项反演和参数动态修正是增强扩散模型 散系数为例，其基于 Prairie-Grass-Field (PGF)实验 准确性的有效方法，但对于适应度函数和观测误差 得到[1−2] ，适用于多植被地形，摩擦层高度为 3 cm， 等影响算法性能的重要方面还缺少进一步研究。本 近地释放源的情形，通常用于保守预测，如应用于 文将通过数值模拟的方法研究适应度函数对参数修 [3] 核事故后果评价，其准确性有待提高 。 正的影响，找出更适合 PG 参数修正的适应度函数。 例如在 2002 年福建惠安核电厂的示踪实验中， 然后，使用最优适应度函数结合 Kincaid 实验数据 根据 PG 系数得到的扩散参数要明显高于根据实际 对扩散模型进行修正，研究修正后的扩散模型预测 扩散结果拟合得到的扩散参数[4] 。如果核电厂进行 能力的变化。 了大气扩散实验则以在地的扩散参数为准，但是该 扩散参数忽略了大气湍流强度以及温度梯度变化等 1 研究方法 时序上的变化。 1.1 拉格朗日烟团模型 为了使经验扩散参数能更好地反映实际扩散过 程，一个可行的办法是以经验参数作为先验值，使 研究大气扩散模型的参数估计问题，需要扩散 用观测数据对其进行动态修正，使得扩散模型计算