基于M-ACO算法的空气污染源反演
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.
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
31
TH137;TP273;TP301.6
辽宁省中央引导地方科技发展专项;辽宁省百千万人才工程
2022-08-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
273-279