-
题名免疫粒子群算法在修正高斯模型下的源强反演
- 1
-
-
作者
万邦银
蒯念生
何雄元
彭敏君
邓利民
-
机构
西南科技大学环境与资源学院
四川省安全科学技术研究院
重大危险源测控四川省重点实验室
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第7期132-138,共7页
-
基金
重大危险源测控四川省重点实验室基金资助(KFKT2023-05)。
-
文摘
为提高危险气体泄漏溯源定位的科学性和实效性,确定危险气体泄漏位置和强度是事故应急响应的关键。首先,根据质量守恒定律,分析、改进近似高斯分布的气体羽流扩散幅度,修正高斯烟羽模型;然后,基于免疫浓度筛选机制作为主策略的免疫算法(IA),通过与粒子群算法(PSO)耦合,将混合免疫粒子群(PSO-IA)算法应用到源强反演中;最后,验证PSO-IA算法溯源定位效果。结果表明:与模式搜索法(PS)、遗传算法(GA)、PSO相比,修正高斯烟羽模型预测值误差均下降2%左右;混合PSO-IA算法相较PSO算法反演源强效果有明显提升,其算法定位误差为1.3 m,求解源强误差为0.8%,单次计算时间小于1 s,能实现快速、准确定位并估算源强度。
-
关键词
免疫粒子群(PSO-IA)算法
修正高斯烟羽模型
源强反演
危险气体泄漏
求解精度
-
Keywords
particle swarm optimization-immune algorithm(PSO-IA)
modified Gaussian smoke plume model
source-strength inversion
hazardous gas leakage
solving accuracy
-
分类号
X937
[环境科学与工程—安全科学]
-
