（安全技术及工程专业论文）基于监测数据的源强反算算法研究及应用.pdf

关于学位论文的独创性声明 本人郑重声明：所呈交的论文是本人在指导教师指导下独立进行研究工作所取得的 成果，论文中有关资料和数据是实事求是的。尽我所知，除文中已经加以标注和致谢外， 本论文不包含其他人已经发表或撰写的研究成果，也不包含本人或他人为获得中国石油 大学( 华东) 或其它教育机构的学位或学历证书而使用过的材料。与我一同工作的同志 对研究所做的任何贡献均已在论文中作出了明确的说明。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名： 孤纽风 日期： 列f 年月弓日 学位论文使用授权书 本人完全同意中国石油大学( 华东) 有权使用本学位论文( 包括但不限于其印 刷版和电子版) ，使用方式包括但不限于：保留学位论文，按规定向国家有关部门( 机 构) 送交学位论文，以学术交流为目的赠送和交换学位论文，允许学位论文被查阅、 借阅和复印，将学位论文的全部或部分内容编入有关数据库进行检索，采用影印、 缩印或其他复制手段保存学位论文。 保密学位论文在解密后的使用授权同上。 学位论文作者签名：熬叁垦堡 指导教师签毫：蛭星兰 日期：如1 1 年月岁e t 日期：2 0 年月5 日 摘要 随着石化、化工行业的高速发展，突发性、灾难性火灾、爆炸和中毒等化学事故不 断发生且呈现出上升趋势，给人民的生命财产安全造成严重损失，故深入研究此类事故 的发生机理，根据预测后果为事故应急救援提供必要的决策依据是十分重要的。而泄漏 源位置和源强值是预测事故后果的重要影响参数，是快速准确设计逃生路线、确定事故 疏散区和逃离区，制定公共预警方案等事故应急救援决策的基础。在应急情况下，对化 学品泄漏源位置和强度的估计是一个重要挑战。为了减少事故造成的危害，快速而准确 的确定泄漏源信息是十分必要的。 归纳总结气体扩散模型与大气扩散模式，分析适用范围与模型特点，为源强反算选 择合适的正向扩散模型奠定基础。归纳源强反算方法，针对不同方法的特点和适用范围 进行分析，给出各个源强反算方法的优点和不足，并重点提出将粒子群及其混合优化算 法应用到一维与多维源强反算问题中，分析讨论算法在源强反算问题中的可行性与适用 性。粒子群算法是一种新型群智能算法，该算法简单易理解，易实现，将其应用到泄漏 源信息反算问题中，它可以快速准确的获得泄漏源信息。但在复杂源强反算问题中，粒 子群算法易出现早熟、局部搜索能力不足的特点，故将n e l d e r - m e a d 单纯形算法引入粒 子群算法中，采用串行结构、镶嵌结构和改进的混合结构进行混合并应用到源强反算问 题中，结果表明，改进的粒子群单纯形混合算法较其他算法能以短的时间和较小的误差 获得最佳的源强信息，满足应急救援决策的需要。本文同时验证粒子群及其混合优化算 法在多维源强反算问题即泄漏源定位及强度确定问题中的可行性与适用性，其更适用于 多维未知参数的求解。 结合v b 6 0 软件，以高斯模型与a e r m o d 模型为正向扩散模型，编程实现粒子群及 其混合算法，并分析比较在存在测量误差的情况下，各个算法估算源强的准确性，分析 结果表明无论以选择何种扩散模型为正向扩散模型，粒子群单纯形混合算法较单一的粒 子群优化算法更能快速准确的获得源强值，为应急救援提供支持。 关键词：泄漏源，源强，反算，粒子群算法，n e l d e r - m e a d 单纯形算法 ， - s t u d y a n da p p l i c a t i o no fs o u r c ei n t e n s i t yb a c k - c a l c u l a t i o na l g o r i t h m b a s e do nm o n i t o r i n gd a t a z h a n gj i u f e n g ( s a f e t yt e c h n o l o g ya n de n g i n e e r i n g ) d i r e c t e db yp r o f j i ax i n g l a na n dp r o f j i a n gc h u n m i n g a b s t r a c t r e s o u r c e so fo i la n dg a sa l et h en a t i o n a li m p o r t a n ts t r a t e g i cr e s o u r c e s w i t ht h eh i 曲 s p e e dd e v e l o p m e n to fp e t r o c h e m i c a la n dc h e m i c a li n d u s t r y , s u d d e nc a t a s t r o p h i cc h e m i c a l a c c i d e n t so ff i r ee x p l o s i o na n dp o i s o n i n go f t e no c a ：b r t h e yc a u s eh e a v yl o s s e so fp e o p l e s l i v e sa n dp r o p e r t ya n ds t a t i s t i cd a t as h o w sa s c e n d a n tt r e n d s oi ti sv e r yi m p o r t a n tt os t u d y s u c ha c c i d e n t sm e c h a n i s ma n dp r o v i d ee m e r g e n c yr e s c u ed e c i s i o n - m a k i n gb a s i sa c c o r d i n gt o t h ef o r e c a s tf o rt h ec o n s e q u e n c e s l e a k a g ei n t e n s i t yv a l u ea n dp o s i t i o na r et h ei m p o r t a n t i n f l u e n c ep a r a m e t e r so fp r e d i c t i n ga c c i d e n tc o n s e q u e n c e sa n dt h ef o u n d a t i o no fe m e r g e n c y r e s c u ed e c i s i o n 、 ，i t l lf a s ta n da c c u r a t e l yd e s i g n i n ge s c a p er o u t e s ，d e t e r m i n i n gt h ee v a c u a t i o n z o n ea n de s c a p ez o n ea c c i d e n t ，f o r m u l a t i n gp u b l i cw a r n i n gs c h e m eo fa c c i d e n t i ne m e r g e n c y c o u r s e ，i ti sa ni m p o r t a n tc h a l l e n g et oe s t i m a t et h ec h e m i c a l sl e a k a g ei n t e n s i t ya n dl o c a t i o n i no r d e rt or e d u c et h eh a r mc a u s e db ya c c i d e n t , i ti sv e r yn e c e s s a r yt oq u i c k l ya n da c c u r a t e l y e s t i m a t et h es o u r c ei n f o r m a t i o no ft h el e a ks o u r c e a t m o s p h e r i c d i f f u s i o nm o d e l sa n dc o m m o na t m o s p h e r i cd i f f u s i o n m o d e sw e r e s u m m a r i z da n da n a l y z e dt oc h o o s ea p p r o p r i a t ep o s i t i v ed i f f u s i o nm o d e lf o rb a c k c a l c u l a t i o n o ft h es o u r c ei n t e n s i t y w i t hs u m m a r i z i n gb a c k - c a l c i l a t i o nm e t h o d so ft h es o u r c ei n t e n s i t y , t h e a d v a n t a g e sa n dd i s a d v a n t a g e so ft h e ma r eg i v e n 田地p s oa n di t sh y b r i do p t i m i z a t i o n a l g o r i t h mw e r ea p p l i e dt ob a c k c a l c u l a t i o no ft h es o u r c ei n t e n s i t yp r o b l e m t h es u p e r i o r i t y a n di n f e r i o r i t yo ft h e s ea l g o r i t h m sw e r ea n a l y z e da n dd i s c u s s e d p s oa l g o r i t h mi sak i n do f n e wa n ds i m p l ea l g o r i t h mo fg r o u pi n t e l l i g e n tw h i c hi se a s i l yt or e a l i z ea n du n d e r s t a n d i tc a l l b ea p p l i e dt oe s t i m a t el e a ks o u r c el o c a t i o na n dt h es o u r c ei n t e n s i t ya n dc a nq u i c k l ya n d a c c u r a t e l yo b t a i nt h e s o u r c e i n t e n s i t yi n f o r m a t i o n b u ti nc o m p l e x s o u r c ei n t e n s i t y b a c k c a l c u l a t i o np r o b l e m ，p s oa l g o r i t h ma so t h e ri n t e l l i g e n c ea l g o r i t h m ，i se a s i l yt oa p p e a r t h ep h e n o m e n ao fp r e m a t u r ec o n v e r g e n c ea n dw e a kl o c a ls e a r c h c a p a b i l i t y , s ot h a t n e l d e r - m e a ds i m p l e xa l g o r i t h mi np a r t i c l es w a r ma l g o r i t h mu s i n gs e r i a ls t r u c t u r e ，e n c h a s e s t r u c t u r ea n di m p r o v e dh y b r i ds t r u c t u r ew e r ep r o p o s e da n da p p l i e dt ob a c k c a l c u l a t i n go ft h e s o u r c ei n t e n s i t yp r o b l e m t h er e s u l t ss h o wt h a tt h eb e s tl e a k es o u r c ei n f o r m a t i o nc o u l db eg o t u s i n gi m p r o v e dp a r t i c l es w a l t n s i m p l e xh y b r i da l g o r i t h mb ys h o r t e rt i m ea n d s m a l l e re r r o r , s o i m p r o v e dp a r t i c l es w a l t ns i m p l e xh y b r i da l g o r i t h mc a na c c u r a t e l yu s e dt oo b t a i nt h es o u r c e i n t e n s i t yi n f o r m a t i o na n ds a t i s f y t h en e e do fe m e r g e n c yr e s c u ed e c i s i o n - m a k i n g t h e f e a s i b i l i t ya n da p p l i c a b i l i t yo fp s oa l g o r i t h ma n d i t sh y b r i da l g o r i t h mw e r ev e r i f i e di nt h e m u l t i d i m e n s i o n a lb a c k - c a l c u l a t i o np r o b l e mo fs o u r c ei n t e n s i t yt h a ti s t h ep o s i t i o na n d s t r e n g t ho ft h es o u r c eo fl e a k a g e ，a n dt h e yw e r em o r es u i t a b l ef o rs o l v i n gm u l t i - d i m e n s i o n a l u n k n o w np a r a m e t e r s w i t hv b 6 0a n dp o s i t i v em o d e lo fg a u s s i a nd i f f u s i o nm o d e la n da e r m o dm o d e l ， p r o g r a mp s oa n d i t sh y b r i da l g o r i t h m ，a n dc o m p a r et h ev e r a c i t yi nt h ep r e s e n c eo f m e a s u r e m e n te r r o r s n om a t t e rw h a tk i n do fd i f f u s i o nm o d e lt os e l e c tf o rt h ef o r w a r d d i f f u s i o nm o d e l ，p s oh y b r i da l g o r i t h mm o r er a p i d l ya n da c c u r a t e l yt h a nt h es i n g l ep s o a l g o r i t h mo b t a i n ss o u r c ei n t e n s i t yv a l u ef o rt h ee m e r g e n c y r e s c u es u p p o r t k e yw o r d s ：l e a ks o u r c e ，b a c k c a l c u l a t i o n ，s o u r c ei n t e n s i t y , p a r t i c l es w a r ma l g o r i t h m ， n e l d e r - o fm e a ds i m p l e xa l g o r i t h m 目录 摘要i a b s t r a c t ：i i 第一章绪论：。1 1 1 课题背景及研究意义一：l 1 2 国内外相关研究现状2 1 2 1 危险化学品泄漏扩散模型现状。2 1 2 2 源强反算方法的研究现状3 1 3 本文主要研究内容与拟解决的关键问题一5 1 4 论文框架6 第二章气体扩散模型及源强反算方法_ 7 2 1 危险化学品泄漏扩散模型：7 2 1 1 高斯扩散模型：一7 2 1 2f e m 3 模型1 2 2 1 3 其他模型简介1 3 2 1 4 大气稳定度及扩散系数1 4 2 1 5 各扩散模型比较15 2 2 常用的大气扩散模型一j 1 6 2 2 1c a l p u f f 模型1 6 2 2 2a e r m o d 模型17 2 2 3a d m s 模型18 2 3 泄漏源源强反算方法：1 8 2 3 1 基于概率模型的反算方法：1 9 2 3 2 基于优化模型的反算方法2 0 2 3 3 其他源强反算方法：j 2 6 2 3 4 不同反算方法讨论j 一2 6 2 4 小结2 7 第三章基于粒子群算法的源强反算算法的研究及应用：2 8 3 1 引言2 8 3 2 基于粒子群算法的源强反算算法一2 8 3 2 1 基本粒子群算法2 9 3 2 2 标准粒子群算法31 3 2 3 基于参数改进的粒子群优化算法3 2 3 3 基于粒子群算法的一维源强反算研究。3 3 3 3 1 一维高斯烟羽源强反算模型的构建：3 4 3 3 2 粒子群算法反算源强步骤与流程3 5 3 3 3 实例应用3 6 3 3 4 参数影响分析3 8 3 4 基于粒子群算法的多维源强反算4 2 3 4 1 多维高斯烟羽源强反算模型的构建4 2 3 4 2 模型求解j 4 2 3 4 3 算例验证4 2 3 4 4 分析比较：_ j ：4 5 3 5 本章小结：4 6 第四章基于混合粒子群算法的源强反算方法研究及应用4 7 4 1j j l 言：4 7 4 2 构建源强反算模型。j 4 8 4 3 基于粒子群与单纯形混合算法的源强反算算法；4 8 4 3 1 单纯形搜索算法简介j 4 8 4 3 2 混合结构的选择4 9 4 3 3 单纯形粒子群混合算法5 0 4 4 基于粒子群单纯形混合反算算法应用一5 4 4 4 1 粒子群单纯算法的收敛准则及性能评价指标5 4 4 4 2 一维源强反算实例应用5 4 | 4 4 3 多维源强反算实例应用5 9 4 4 4 月、结二一6 6 4 5 本章小结6 6 第五章源强反算算法实现应用及结果分析_ 6 7 5 1 引言一：6 7 5 2 反算问题的v b 软件实现6 7 5 2 1 软件设计语言6 7 5 2 2 软件系统的技术路线6 7 5 2 3 软件系统的总体设计6 7 5 2 3 主要模块界面设计：一6 8 5 2 4 反算程序的开发及功能的实现7 3 5 3 具体应用及结果分析7 4 5 3 1 高斯正向扩散模型案例7 4 5 3 2a e r m o d 正向扩散模型案例7 7 5 3 3 应用结果分析。7 9 5 4 本章小结8 3 结论与展望8 4 参考文献8 6 攻读硕士学位期间取得的学术成果：j ：j 8 9 致j 射：9 0 中国石油大学( 华东) 硕上学位论文 第一章绪论 1 1 课题背景及研究意义 在生产、使用、运输与储存危险化学品过程中，由于突然发生泄漏扩散而引发的对 生态、人畜、设备等有严重危害的污染、中毒及火灾爆炸等灾难性事故称为突发性化学 泄漏扩散事故【l 】。这类事故具有突发性强、危害性大、应急救援难的特点。随着我国的 石化、化工等行业的高速发展，化工企业的数量与规模都呈快速增长状态，企业装置日 趋紧密，设备越来越庞大，管道与管线日趋复杂，因此这类事故日渐增多，造成的危害 也越来越严重，突发性化学品泄漏扩散事故给人类安全造成严重危害1 1 j 。它不仅严重危 害广大人民群众生命和财产安全，而且对社会和环境造成严重的不良影响，严重制约石 化行业的健康快速发展。因此突发性危险化学品泄漏扩散事故已成为当今世界重点关注 的社会安全问题。 在过去近百年里，在世界范围内已累计有数万人在突发性危险化学品泄漏扩散事故 中丧生。例如1 9 8 4 年1 2 月3 日j 位于印度博帕尔的美国联合碳化物公司所属农药厂甲 基异氰酸酯意外泄漏，造成至少l 万人死亡，5 5 万人受到不同程度的伤害，引起世界各 国的震惊，该事件至今仍是世界上最严重的化学品泄漏事故 2 1 。1 9 9 7 年9 月1 4 日印度 h p c l 炼油厂发生液化石油气储罐泄漏，造成6 0 人死亡，1 5 亿美元财产损失的严重后 果。国内化学品泄漏扩散事故也频繁发生，例如：1 9 7 9 年温州电化厂液氯泄漏，造成 5 9 人死亡，约8 0 0 人中毒，这是我国第一个受到广泛关注的化学品严重泄漏事故；2 0 0 3 年1 2 月2 3 日，我国重庆开县高桥镇川东北气矿1 6 号井发生天然气特大井喷事故，导 致2 4 3 人中毒死亡，2 1 4 2 人住院治疗，6 5 0 0 0 多人被紧急疏散安置，直接经济损失达6 4 0 0 多万元，这是我国近年来一次严重的突发性泄漏扩散事故；2 0 0 6 年1 月2 0 日四川省仁 寿县富加镇天然气输气管线发生爆炸，共造成l o 人死亡、4 3 人受伤，爆炸现场周围区 域内的1 8 3 7 名群众被迫紧急疏散。据不完全统计，在2 0 0 5 年2 0 0 8 年( 近3 年内) ，我国 共发生了危险化学品事故1 5 6 5 起，累计造成9 4 5 人死亡，8 7 6 5 人受伤，严重地危害了 人民群众的生命和财产安全，造成巨大的经济损失和社会不良影响( 3 1 。由此可见无论是 在国内还国外，突发性化学品泄漏扩散事故都给人们留下了深刻的经验教训。 上述残酷的事实表明我们十分有必要去研究此类化学事故发生机理、相关条件及伤 害机理，建立化学品泄漏扩散模拟模型【1 1 。事故影响区域的准确确定和危害人群的正确 第一章绪论 预测是整个化学事故应急救援决策的关键，危险化学品泄漏扩散的研究是应急救援决策 的基础 4 1 。在泄漏扩散模型中，泄漏源源强信息作为已知条件被给出具体数值，并以此 为基础来展开大气中各位置物质浓度的计算和其他相关信息的估计。在泄漏扩散事故后 果的预测中，应用比较广泛的模型有高斯烟羽模型、高斯烟团模型、重气扩散模型和三 维有限元计算模型等，而在这些模型中泄漏源源强值和位置是预测事故后果的重要影响 参数，是快速准确设计逃生路线、确定事故疏散区和逃离区，制定公共预警方案等事故 应急救援决策的基础。在应急情况下，对化学品泄漏源强度和位置的估计是一个重要挑 战。为了减少事故造成的危害，快速而准确的确定泄漏源的源强信息是十分必要的。 本论文结合中石化集团科研部“川东北复杂地理条件应急与h 2 s 泄漏检测技术研 究 课题相关内容进行研究。由于四川气田的天然气中普遍含有硫化氢，一般含量为l 到2 ，有的甚至高达1 6 ，由于硫化氢的强腐蚀性、毒性以及作业现场的复杂性，存 在严重的安全隐患，一旦发生事故后果相当严重。因此，进行高硫气井现场监测及应急 响应技术的研究，采取切实可行的措施，降低高硫气井勘查开发过程中存在的风险，已 经成为亟待解决的问题。而“川东北复杂地理条件应急与h 2 s 泄漏检测技术研究 课题 就是为了降低高含硫气井勘查开发过程中存在的风险，建立一套泄漏扩散监测与报警以 及应急响应联动体系，以便能很好的监测预警，且发生事故时能快速高效的对事故进行 抢险救灾，最大限度的减少财产损失与人员伤亡。本论文是其子课题，研究主要目的是 针对危险化学品( 例如硫化氢等) 泄漏扩散过程中的源强信息进行模拟和计算，在现有源 强反算方法的基础上，基于监测数据，结合现有的源强反算与定位模型，利用群智能优 化算法一粒子群优化算法进行反向求解，准确的确定源强信息。并评估该优化算法的 适用性、可行性与准确性，分析该算法的综合性能，使其很好的应用于事故应急救援并 更好的为事故现场应急救援提供技术支持。 1 2 国内外相关研究现状 1 2 1 危险化学品泄漏扩散模型现状 在危险化学品泄漏扩散模拟方面，国外研究起步较早，开始于二十世纪七、，八十年 代，期间提出了不少扩散的计算模型与进行了许多大规模试验，如阿肯色大雪的气体扩 散试验、索尼岛的麦布林沙地溢流试验与加利福尼亚的液化气试验等，直到现在该领域 的研究还比较活跃1 5 1 。而在2 0 世纪9 0 年代初期我国才开展此方面的研究，起步很晚， 例如在1 9 9 6 年，原化工部化工劳动保护研究所对重要有毒物质泄漏扩散模型进行了深 入研究，并对国内外的一些扩散模型进行归纳总结，且开发了毒物泄漏危害分析的仿真 2 中国石油大学( 华东) 硕士学位论文 软件【4 】。近年来特别是在危险化学品泄漏扩散模拟及影响区域方面研究较为活跃。但国 内的这些研究在结合g i s 、风险分析和实时动态模拟等方面还是十分薄弱的。 目前，国内外对危险化学品泄漏扩散的研究，目前主要分为两类，一是数学模型， 另一个是计算机仿真模拟。泄漏扩散的数学模型包括连续泄漏的高斯烟羽模型、瞬时泄 漏的高斯烟团模型、f e m 3 模型、s u t t o n 模型以及b m 模型【5 1 。其优缺点如下表1 1 所 示。 表1 - 1 气体扩散模型比较1 5 - 6 1 模型名称应用范围适用对象精度难易程度计算量 在地势平坦的地区，风速大于l m s 时，泄漏扩散源为点源且泄漏扩散物为气态或 准气态的情形下，高斯模型可近似模拟扩散过程【6 】：高斯烟羽模型适用于连续源或泄漏 时间大于或等于扩散时间的扩散，高斯烟团模型适用瞬时泄漏或泄漏时间相对于扩散时 间比较短的情形。 危险化学品泄漏扩散的计算机仿真模拟分为两类：一是静态离线仿真模拟，即计算 机仿真模拟系统由人机界面手工输入一些初始参数，其缺乏时效性，可以为安全评价中 的定性分析提供依据，但不能用于应急救援过程；二是实时动态仿真模拟，在基于g i s 和气象状况的实时动态仿真模拟中，所有可观测变量均来自于传感器的实时检测或在线 推算，具有很强的及时性与时效性，可以应用于急救救援决策中【4 】。 利用气体泄漏扩散数学模型或计算机仿真模拟系统对泄漏扩散过程中的浓度进行 预测是进行泄漏源反算的基础，它为源强反算提供必要的模型与数据支持。 1 2 2 源强反算方法的研究现状 ： 对于泄漏扩散源强反算与定位问题，n a r a c ( t h en a t i o n a la t m o s p h e r i cr e l e a s ea n d a d v i s o r yc e n t e r ) 尸, 经系统地对已知扩散源和未知扩散源两种情况下的危险化学品泄漏 扩散问题作了研究。其主要通过数据和预测模型的整合，利用贝叶斯方法和随机抽样技 术等方法进行反向推断i 由此来确定泄漏源的信息和相关估计f 4 】。我国在此方面也作了 很多研究工作。例如陈军明等【7 1 和苏芳掣即分别利用遗传算法与逆向轨迹反演模式对泄 第一章绪论 漏扩散源强进行了估计；张建文等【1 9 1 总结分析国内外主要的源强反算方法，将牛顿一拉 弗森算法应用到s a f e r 系统源强反算模块中；郑小平等f 3 9 】将混合遗传模式搜索算法应用 到泄漏源强的反算问题中。 综合国内外的研究现状来看【9 1 4 1 ，获取源强的主要方法是根据泄漏物质扩散到大气 中的物质浓度进行估算研究的，获取泄漏源源强主要有三类途径： 第1 种方法是利用概率数理统计模型与气体扩散模式相结合的方法建立定量估计模 型，正演出泄漏源的各种特性，首先要根据经验对未知参数进行先验假设，其理论基础 为贝叶斯推理方法，同时结合马尔可夫链、蒙特卡罗抽样方法等。2 0 0 3 年，s o h n 【1 0 l 等人 通过连续似然函数量化蒙特卡罗抽样，不断改善误差估计最终获的源强信息：2 0 0 8 年， k e a t s j 等人引入伴随模式，运用马尔科夫链蒙特卡罗抽样的贝叶斯推理方法对泄漏源 进行了反算；2 0 0 9 年，g u o 1 2 】等人加入了时间的因素，动态的研究了源强反算过程；2 0 1 0 年，k e a t s 1 3 等人引入了墒，利用贝叶斯自适应探测方法来反演源强信息。这类方法往 往要根据经验对参数进行先验性假设，且后验概率密度函数不存在明显的函数表达式， 抽样过程耗时较长。 第2 种方法是利用污染物的泄漏扩散规律建立泄漏源和泄漏源浓度观测之间的关 系，将扩散模型预测的浓度结果与传感器观测的浓度值进行比较，利用各种最优化方法 或次优化方法不断调整得到最优解，从而反算出泄漏源信息f 1 4 】。g i l l b e r t 等【1 5 】人运用s a f e r 系统的源强反算方法估算污染物源强，首先估算出了源强的基本范围，再采用寻根法寻 找目标函数的最优解获得源强信息，此算法已于2 0 0 1 年在美国专利申请署申请了专利。 p r i n n 等人【1 6 和g i l l i l a n d 等人【1 刀运用离散卡尔曼滤波方法来追踪气体的泄漏源特性。l i 1 8 l 等利用共轭梯度法预测了挥发性有机化合物的泄漏情况。张建文【1 9 】等将牛顿拉弗森法 作为寻根法应用至1 s a f e r 系统的反算模块中，使s a f e r 反算法更适用于应急救援决策。所以 可以运用传统的优化方法对泄漏源进行估算，通过计算目标函数的梯度来确定目标函数 的下降方向，不断搜索得到最优解，例如牛顿法、最速下降法，共轭梯度法等。此类方 法一般需要求解目标函数的导数或梯度信息，问题复杂时反算过程很难实现并且初值选 取的好坏影响着源强的反算结果。 第3 种是人工智能优化方法，是第2 种方法的延伸，主要思想是对反算模型进行反复 的训练和优化，最终得到最优解。这类算法有遗传算法、模拟退火法、神经网络方法、 蚁群算法等等。对于智能优化方法，此类方法不需要己知泄漏物扩散机理，不需计算目 标函数的梯度信息，但耗时易增加计算成本。t h o m s o n t 2 0 l 等结合随机搜索算法和模拟退 4 中国石油大学( 华东) 硕士学位论文 火算法来确定源强信息；h a u p t l 2 1 】等运用遗传算法研究源强反算问题，其反算模型中考 虑了泄漏源位置、源强以及风向等；r e i c h 冽等利用人工神经网络方法对反算模型反复 训练和优化，对泄漏源参数进行了详细分析。北化的张建文等3 9 1 将遗传算法与传统优化 算法形相结合应用到源强反算中，模型中也考虑到了泄漏源强的位置情况，取得了一定 的成果。此类方法主要是计算效率低，耗时较长。 总体来讲源强反算分为两大类，一类基于概率统计理论，一类基于优化理论。针对 目前源强反算方法中存在的一些问题和危险化学品泄漏事故的突发性和多样性的特点 以及对应急响应速度的要求，本文尝试将一些新颖的智能算法引入到源强反算问题中， 建立此类方法解决源强反算问题的方式，并对应用效果进行分析比较。本文的主要研究 工作就是围绕上述观点展开的，同时由于单一优化方法的局限性，考虑将不同优化方法 的组合应用于泄漏源强反算问题中，充分利用不同算法的优点，从而更加准确的估算受 影响范围，为应急救援决策提供技术支持，尽可能的减少或防止人员伤亡和财产损失。 - 1 3 本文主要研究内容与拟解决的关键问题 本研究通过调研、资料分析和数值模拟来实现，主要的研究内容包括；、 ( 1 ) 调研分析危险化学品泄漏扩散模型与泄漏源源强反算方法 ，总结分析现存的危险化学品泄漏扩散基本模型与常见的大气扩散模式，分析它们各 自的适用范围与特点，为针对实际状况找到适合源强反算正向扩散模型提供依据； 简要总结分析现存的源强反算方法，分析其使用条件与优缺点，为提出新的算法或 找到改进方法奠定基础。 ( 2 ) 基于粒子群优化算法的泄漏源源强反算 针对危险化学品事故应急救援需要与现存源强反算方法的特点，将新型智能算法卜 一粒子群优化算法应用到泄漏源源强反算中，针对数据资料进行模拟和计算，评估优化 算法在源强反算中的可行性、实用性、准确性等。 ( 3 ) 基于粒子群单纯形混合算法的泄漏源源强反算 ：在基于粒子群算法的泄漏源强反算算法中，针对粒子群优化算法的优缺点，将单纯 形算法引入粒子群优化算法中，探讨这两种算法的混合结构，找到最佳的混合方式，将 其应用到一维与多维源强反算问题中，并分析比较两种算法不同混合结构在源强反算问 题中的实用性与可行性。 ( 4 ) 粒子群算法v b 软件的实现。 第一章绪论 以应用界面良好，编程功能强大的v b 6 0 为开发平台，选取高斯模型与a e r m o d 模型为正向扩散模型，编程实现基于粒子群及其混合算法的源强反算算法。 针对实际测量数据中存在测量误差的特点，分析粒子群及其混合算法在存在测量误 差情况下在源强反算问题中的可行性与实用性。 拟解决的关键问题有： ( 1 ) 在归纳分析与比较现存源强反算方法的基础上，寻找一种合适优化算法应用到泄 漏源源强反算问题中，提高计算效率，降低反算成本。 ( 2 ) 在现有气体扩散模型的基础上，根据实际问题选择合适的正向扩散模型，并找到 与反算模型结合的正确方式。 ( 3 ) 如何将提出的算法运用m a t l a b 软件或v b 软件编程实现。 1 4 论文框架 论文的框架结构如图1 1 所示。 绪论 泄漏扩散模型及源强反算现状 基于粒子群算法的源强反算 基于粒子群单纯形算法的源强反算 以高斯模型为正向扩散模型的实例 以a e r m o d 模型为正向模型的实例 以高斯模型与a e r m o d 模型为正向 模型软件实现及具体应用分析 图1 1 整体论文框架 f i g l - i t h ef r a m eo fo v e r a l lt h e s i s 6 理论构建 模型求解 实例应用 软件实现 中国石油大学( 华东) 硕士学位论文 第二章气体扩散模型及源强反算方法 在发生危险化学品泄漏扩散中毒与火灾爆炸等事故时，需要根据危险化学品影响区 域的危害程度不同对受影响区域的人员采取不同的疏散方法，进行有组织、有计划地合 ， 理疏散。因此如何根据化学品泄漏扩散的实际情况，通过扩散模型确定合理可信的影响 区域，是危险化学品事故应急决策中需要解决的一个重要问题。而泄漏源源强信息是扩 散模型的重要影响参数，没有源强数据信息，扩散模型就是无源之水，无根之木，扩散 模拟就无从进行【2 】。故两者相辅相成，缺一不可，均为应急安全管理、应急救援决策的 基石。 本章对危险化学品泄漏扩散的基本模型和常见的大气扩散模式进行归纳分析，比较 各自适用范围与优缺点，为选择合适的源强反算正向扩散模型提供依据。并介绍现存的 主要源强反算方法，分析其特点比较各自优缺点。 ， 2 1 危险化学品泄漏扩散模型 估算危险化学品事故泄漏扩散影响范围的总体结构如图2 1 所示。密度与空气相差 不多的气体或经很短时间的空气稀释后密度与空气接近的气体为非重气，采用高斯模型 进行扩散模拟。气体密度比空气密度大的较多的气体( 例如氯气、液化石油气等) 为重气， 扩散模拟采用重气模型，例如b m 模型，s u r o n 模型及f e m 3 模型等，上述模型均是关 于危险化学品泄漏扩散的数学模型。 i 泄漏扩散模型 上 l 计算结果及其可视化 ：图2 - 1 估算扩散范围的总体结构 f i 9 2 - 1 t h eo v e r a l ls t r u c t u r eo fe s t i m a t i n gt h es p r e a de x t e n t 2 1 1 高斯扩散模型 高斯模型适用于点源扩散，在二十世纪五、六十年代就已经被广泛运用，它以泄漏 扩散物质浓度符合正态分布为基础，从统计理论入手，考察扩散物质的浓度分布5 1 。高 斯扩散模型分为高斯烟羽模式和高斯烟团模式，两者具有各自的应用范围。 7 第二章气体扩散模型及源强反算方法 2 1 1 1 高斯模型的适用条件 高斯烟羽模型与高斯烟团模型虽有各自具体的应用领域，但其有共同的适用条件， 如下所示【1 2 3 - 2 4 】： 1 ) 地形平坦开阔、性质均匀为佳，定常态，即所有变量不随着时间发生变化； 2 ) 扩散距离以不超过1 0 2 0 k i n 为宜，适用于小尺度的扩散范围； 3 ) 气流流动场稳定、平直，风向和平均风速没有显著的变化； 4 ) 扩散过程中泄漏物质不发生任何化学反应，没有降水清洗、干沉降等衰减作用； 5 ) 与空气没有相对运动，即随大气一起运动，且扩散物质达到地面时，完全反射， 没有任何吸收； 6 ) 假定地面水平，无界点源或地面源的泄漏点为原点，高架源泄漏点在地面上的投 影点为原点，坐标系为右手坐标系，x 为主风向，y 为横风向，z 为垂直向。 2 1 1 2 高斯扩散公式 在无边界空间中的泄漏点源，取源点为坐标原点，泄漏点的源强为q ，x 轴方向与 风向一致，如图2 2 。 图2 - 2 无边界空间泄漏点源示意图 n 9 2 - 2t h es k e t c ho