-
题名基于M-ACO算法的空气污染源反演
- 1
-
-
作者
祁柏林
崔英杰
王帅
武暕
-
机构
中国科学院沈阳计算技术研究所
中国科学院大学
辽宁省沈阳生态环境监测中心
辽宁省生态环境监测中心
-
出处
《计算机系统应用》
2022年第8期273-279,共7页
-
基金
辽宁省中央引导地方科技发展专项(2021010211-JH6/105)
辽宁省“百千万人才工程”(2020921013)。
-
文摘
为了解决空气污染源反演的盲目性和低效率问题,本文提出了一种基于改进型蚁群算法(modified-ant colony optimization,M-ACO)的空气污染源反演方法.利用点源高斯扩散模型建立污染源反演模型,采取蚁群算法(ant colony optimization,ACO)来求解.针对蚁群算法中存在的缺点,引入遗传算法的选择交叉思想,从而丰富种群的多样性来避免陷入局部极值;同时设计奖惩因子机制,对信息素更新规则进行改进来使算法更快地收敛,进而归纳为M-ACO算法.通过对比实验,证明了M-ACO算法相比于传统ACO算法来说,能够使得污染源的反演结果更准确和高效,为空气污染源反演的实际应用提供了有效的理论支撑.
-
关键词
空气污染
高斯扩散模型
改进型蚁群算法
污染源反演
选择交叉
奖惩因子
-
Keywords
air pollution
Gaussian diffusion model
modified-ant colony optimization(M-aco)algorithm
pollution source inversion
selection and crossover
reward and punishment factor
-
分类号
X51
[环境科学与工程—环境工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
