免疫粒子群算法在修正高斯模型下的源强反演

• 全文链接
• 请求原文

作   者：

万邦银;  蒯念生;  何雄元;  彭敏君;  邓利民; 

作者机构：

重大危险源测控四川省重点实验室;  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; 

关键词：

免疫粒子群(PSO-IA)算法;  求解精度;  修正高斯烟羽模型;  源强反演;  危险气体泄漏; 

期刊名称：

中国安全科学学报

i s s n：

1003-3033

年卷期：

2024 年 34 卷 007 期

页   码：

132-138

摘   要：

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。