基于神经网络和最优化算法的有害气体源项参数估计方法研究

发布时间：2023-05-13 01:24

　　近年来,随着我国“智慧城市”建设进程的不断推进,城市大气污染问题引发了更多的关注。进行有害气体扩散和溯源问题的研究对城市大气问题的监管与治理具有非常重要的意义。然而,传统的大气扩散模型存在着各自的局限,无法应用到复杂的现实场景中。通过传感器网络搜集到的数据,通常较为稀疏,数据量也比较小,无法为进一步的研究提供足够的数据支持。常见的源项参数估计方法在实际应用时也存在诸多问题。本文基于先进的神经网络技术和多种最优化算法,为城市大气污染问题研究和治理提供了新的思路。论文以解决有害气体源项参数估计问题为目的,梳理了当前气体扩散建模问题和源项参数估计方法的研究现状与发展趋势。比较分析了三种传统大气扩散模型的优缺点,提出了应用神经网络解决有害气体扩散预测问题。基于Aermod System大气扩散软件构建了仿真场景,进行了一系列仿真实验,将仿真结果和实际数据进行结合,构建了合成数据集为后续研究提供支持。实现了多种常见的最优化算法解决源项参数估计问题,提出了“纵向”和“横向”两种混合最优化算法,克服了单一最优化算法在实际应用中的局限性,通过一系列实验证明了混合最优化算法的优越性能。论文的主要工作和创...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
        1.1.1 课题来源
        1.1.2 “智慧城市”框架下空气质量综合治理
    1.2 相关研究
        1.2.1 气体扩散建模国内外研究现状分析
        1.2.2 源项参数估计方法研究现状分析
    1.3 论文的主要工作
        1.3.1 研究内容
        1.3.2 研究意义
        1.3.3 论文组织结构
第二章 气体正向扩散模型研究
    2.1 传统扩散模型
        2.1.1 高斯扩散模型
        2.1.2 拉格朗日模型
        2.1.3 计算流体力学模型
        2.1.4 三类模型的比较
    2.2 基于BP神经网络的扩散模型
    2.3 本章实验
        2.3.1 AermodSystem软件介绍
        2.3.2 合成数据集获取
        2.3.3 神经网络训练
第三章 基于单一最优化算法的源项参数估计方法研究
    3.1 传统源项参数估计方法
        3.1.1 基于梯度的算法
        3.1.2 贝叶斯方法
    3.2 最优化算法
        3.2.1 粒子群算法
        3.2.2 遗传算法
        3.2.3 模拟退火算法
        3.2.4 差分进化算法
    3.3 本章实验
        3.3.1 评价参数
        3.3.2 单一粒子群算法的源项参数估计实验
        3.3.3 单一遗传算法的源项参数估计实验
        3.3.4 单一差分进化算法的源项参数估计实验
        3.3.5 单一最优化算法的源项参数估计实验结果比较分析
第四章 基于混合最优化算法的源项参数估计方法
    4.1 混合最优化算法-纵向策略
        4.1.1 混合策略
        4.1.2 估计实验
    4.2 混合最优化算法-横向策略
        4.2.1 混合策略
        4.2.2 参数自动化
        4.2.3 实验研究
    4.3 小结
结束语
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3815016