基于遗传算法的气载核素大气扩散反演模型研究

发布时间：2021-01-03 00:57

　　核事故应急响应支持系统中，核素的大气扩散模拟是很关键的一个组件，通过该模块对核素的扩散过程进行预测，能为指导公众疏散和躲避提供信息，以减少公众安全和财产损失，也为核事故后果评价提供了技术依据。核素扩散模型需要输入源项信息和气象信息，而事故情况下，这些信息并不容易准确获得，所以发展出了利用实际观测数据估计源项和扩散参数的源项反演技术。源项反演问题通常能够转化为求解扩散参数和源项信息，以使得计算值和观测值差距最小的最优化问题。针对这类非线性化程度高，参数众多，存在很多局部最优解的最优化问题，遗传算法具有很好的适用性。针对遗传算法在核素扩散源项反演中的应用，本文做了如下工作：1.实现一个基于拉格朗日烟团模型的核素扩散计算库-pysjtupuf。2.研究遗传算法运行机理，调研国内外对遗传算法应用于源项反演技术的研究现状。总结现有研究中常用的方法和不足。3.采用数值模拟方法研究使用遗传算法进行扩散系数修正时，适应度函数的影响。结果显示为提高反演准确性，应在适应度函数中考虑观测站误差的影响，观测误差越大的数据在适应度函数中应给予更小的权重。4.将Kincaid实验数据转化为pysjtupuf适用的... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

–1拉格朗日烟团模型示意图

“优胜劣汰”的判定准则。3.1.2 计算流程遗传算法的计算流程可用图3–1表示：1. 设定种群大小，停止准则，交配率，突变率等关键参数。2. 生成初始种群，即按照设定的种群大小，随机产生进化第一代中的候选解。3. 根据适应度函数计算当前种群中每个个体的适应度值，按照升序对这些个体进行排序，判断种群是否达到停止准则，若是则输出最优结果，退出— 20 —

在该文献中，作者使用了理想数值实验的方法，先预设扩散模型参数进行，使用扩散模型计算获得“观测”结果，然后将生成的观测结果用于进行源项和风向的反演，将反演的结果与预设值进行比较。图3–2是文献中一次算例的示意图，这里设置了恒定为 的风场和 × 共 16 个间隔为 的观测点，释放强度恒定为 1，释放源位于观测点阵列中心。结果显示，在加入的观测误差不超过信号本身的量级，观测点数目在 ×以上时该方法能有效地反演出预设的源项和风向信息，而且随着观测点的增加，反演的精度得到了提高。值得注意的是，该项研究中，为了减少计算量，采用了计算方面更为简单的高斯烟羽模型，且对数值模拟的条件做了很多简化假设

【参考文献】：
期刊论文
[1]混合遗传算法在核事故源项反演中的应用[J]. 宁莎莎,蒯琳萍.  原子能科学技术. 2012(S1)
[2]我国核应急决策支持系统研究开发的现状与展望[J]. 曲静原,曹建主,刘磊,薛大知,奚树人.  原子能科学技术. 2001(03)



本文编号：2953990