大氣環(huán)境影響評(píng)價(jià)AERMOD模型參數(shù)優(yōu)化研究

陳華，張光怡，來賀菲，劉峰，翟麗，孫玲玲

（1.北京市環(huán)境信息中心，北京 100048；2.北京市環(huán)境影響評(píng)價(jià)評(píng)估中心，北京 100161；3.北京思路創(chuàng)新科技有限公司，北京 100085）

近年來，北京地區(qū)的空氣污染歷史變化經(jīng)歷了如下階段[1]：1983～1998年總體環(huán)境空氣質(zhì)量下降；1999～2008年有所改善；2009年至今又再次出現(xiàn)了下降趨勢。隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，氣象對(duì)社會(huì)經(jīng)濟(jì)的影響越來越大，關(guān)系到人們的生活和生產(chǎn)[2]。近期國務(wù)院印發(fā)《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》，明確要求北京市環(huán)境空氣質(zhì)量改善目標(biāo)應(yīng)在“十三五”目標(biāo)基礎(chǔ)上進(jìn)一步提高，并提出優(yōu)化產(chǎn)業(yè)布局，積極推進(jìn)區(qū)域規(guī)劃環(huán)境影響評(píng)價(jià)等要求，評(píng)估工作備受重視。通過大氣環(huán)境影響評(píng)價(jià)模型，實(shí)現(xiàn)對(duì)復(fù)雜大氣化學(xué)和物理輸送過程的模擬，對(duì)污染物定量評(píng)估，可判斷項(xiàng)目建成后對(duì)評(píng)價(jià)范圍大氣環(huán)境影響的程度和范圍。AERMOD是《環(huán)境影響評(píng)價(jià)技術(shù)導(dǎo)則-大氣環(huán)境》（HJ2.2-2008）中推薦的，也是我國環(huán)評(píng)中應(yīng)用最廣的大氣擴(kuò)散預(yù)測模型之一[3、4]。AERMOD采用最新的大氣邊界層和大氣擴(kuò)散理論，基于此模型推出的商用軟件，使得該模型的應(yīng)用變得更為廣泛深入，國內(nèi)外諸多學(xué)者的研究也表明，此模型更能反映污染物的實(shí)際擴(kuò)散規(guī)律[5、6]。

遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型，是一種用于模型參數(shù)優(yōu)化估計(jì)的通用方法。其對(duì)模型是否線性、連續(xù)、可微等不做任何限制，也不受優(yōu)化變量數(shù)目、約束條件的束縛，而直接在優(yōu)化準(zhǔn)則的目標(biāo)函數(shù)引導(dǎo)下進(jìn)行全局尋優(yōu)，因而已廣泛用于線性優(yōu)化、模式識(shí)別、參數(shù)尋優(yōu)、系統(tǒng)規(guī)則和結(jié)構(gòu)設(shè)計(jì)等許多領(lǐng)域[7]。李祚泳等[8、9]將遺傳算法用于不同季節(jié)大氣顆粒物的來源和空氣質(zhì)量影響因素的分析，驗(yàn)證了該遺傳算法的簡單、快速、方便、實(shí)用性。

本研究以北京市懷柔區(qū)為研究范圍，將遺傳算法與模型數(shù)據(jù)自動(dòng)化輸入輸出相結(jié)合，通過對(duì)AERMOD模型預(yù)測結(jié)果校驗(yàn)，不斷調(diào)整優(yōu)化參數(shù)，逐步提升模型預(yù)測的精準(zhǔn)度，為建設(shè)項(xiàng)目環(huán)評(píng)工作中的大氣環(huán)境影響預(yù)測提供數(shù)據(jù)參考。

1 AERMOD模型簡介

AERMOD由EPA聯(lián)合美國氣象學(xué)會(huì)組建法規(guī)模式改善委員會(huì)開發(fā)，是現(xiàn)階段較廣泛應(yīng)用的穩(wěn)態(tài)煙羽大氣預(yù)測模式[10]。該模型采用穩(wěn)態(tài)高斯擴(kuò)散方程，具有以下特點(diǎn)[11]：1）可以處理地面源和高架源，平坦地形和復(fù)雜地形以及城市邊界層；2）考慮了高尺度對(duì)流場結(jié)構(gòu)及湍流動(dòng)能的影響；3）在對(duì)流條件下，采用非正態(tài)的PDF模式；4）考慮了浮力煙羽和混合層頂?shù)南嗷プ饔茫?）湍流擴(kuò)散由參數(shù)化方程給出，穩(wěn)定度用連續(xù)參數(shù)表示。

1.1 AERMOD模型構(gòu)成

一個(gè)AERMOD方案需要引用一個(gè)AERMOD預(yù)測氣象、一個(gè)AERMOD預(yù)測點(diǎn)，此外在需要時(shí)可以引用一個(gè)建筑物下洗方案（本研究不考慮建筑物下洗）。預(yù)測氣象、預(yù)測點(diǎn)和建筑物下洗分別由單獨(dú)的AERMET、AERMAP和BPIP預(yù)處理程序運(yùn)行。預(yù)先設(shè)置需要的預(yù)測氣象、預(yù)測點(diǎn)和建筑物下洗方案，預(yù)處理后，生成AERMOD接受的格式，供AERMOD選擇使用。AERMOD預(yù)測模式流程如圖1。

圖1 AERMOD預(yù)測模式流程

1.2 參數(shù)的選擇

AERMOD模型預(yù)測污染物擴(kuò)散濃度公式是根據(jù)大氣邊界層理論，分為穩(wěn)定邊界層和對(duì)流邊界層兩種情形，邊界層條件不同，所用的擴(kuò)散模式不同，預(yù)測出的污染物濃度值就存在很大差異。大氣邊界層的變化和分布特征分別由大環(huán)境的熱能和機(jī)械能決定。大氣熱能流場的表征量是表面熱通量；機(jī)械能的表征量是莫寧-奧本霍夫長度、表面摩擦速度和表面粗糙度。波文比和反照率通過影響表面熱通量而影響邊界層的結(jié)構(gòu)，決定AERMOD預(yù)測所選的計(jì)算方程；粗糙度通過影響表面摩擦速度和莫寧-本霍夫長度而影響混合層高度及模型運(yùn)行參數(shù)（風(fēng)速）。

2 模型方案設(shè)置與參數(shù)優(yōu)化

在設(shè)置模型方案的基礎(chǔ)上，利用VB程序逆向分析與修改技術(shù)和Windows消息模擬技術(shù)實(shí)現(xiàn)AERMOD數(shù)據(jù)自動(dòng)輸入、結(jié)果自動(dòng)輸出，并利用遺傳算法對(duì)AERMOD進(jìn)行參數(shù)優(yōu)化。

2.1 模型方案設(shè)置

2.1.1 污染源源強(qiáng)

以北京市2016年的排放清單數(shù)據(jù)為主，以環(huán)評(píng)文件數(shù)據(jù)為輔，統(tǒng)計(jì)模型計(jì)算時(shí)所需要的各項(xiàng)參數(shù)，涉及的參數(shù)包括坐標(biāo)、煙囪幾何高度、煙囪出口內(nèi)徑、煙氣流量、污染物排放強(qiáng)度等?！芭欧艔?qiáng)度隨時(shí)間變化”因子，根據(jù)具體的排放周期確定。

2.1.2 AERMOD預(yù)測氣象

AERMOD預(yù)測氣象地面特征參數(shù)：地面分為2個(gè)扇區(qū)，扇區(qū)分界度為110～180（城市）、180～110（落葉林）；地面時(shí)間周期按季；地表濕度為中等濕度氣候；地表參數(shù)，優(yōu)化前預(yù)測按地表類型自動(dòng)生成地面參數(shù)，優(yōu)化時(shí)和優(yōu)化后預(yù)測時(shí)手工輸入地面特征參數(shù)。

預(yù)測氣象生成：經(jīng)度116.575E、緯度40.466N；選擇氣象數(shù)據(jù)，經(jīng)過預(yù)測氣象處理生成AERMOD可識(shí)別的SEC、PFL文件。本次建模輸入的地面氣象、探空數(shù)據(jù)是北京市懷柔區(qū)氣象站2016年四個(gè)季度的地面逐日氣象資料。地面氣象數(shù)據(jù)包括時(shí)間、風(fēng)向、風(fēng)速、總云量、低云量等。

設(shè)置地面反照率、粗糙度、波文率等地面特征參數(shù)和基礎(chǔ)數(shù)據(jù)，然后在預(yù)測氣象生成中選擇地面氣象數(shù)據(jù)（及相應(yīng)的探空和現(xiàn)場氣象數(shù)據(jù)），設(shè)置運(yùn)行選項(xiàng)，運(yùn)行AERMET生成預(yù)測氣象。為了節(jié)省時(shí)間、提高操作的準(zhǔn)確度，此參數(shù)設(shè)置、數(shù)據(jù)輸入將通過人工模擬實(shí)現(xiàn)自動(dòng)化輸入輸出。

2.1.3 污染物預(yù)測方案的設(shè)定

根據(jù)北京市懷柔地區(qū)的環(huán)境特性，選取SO2為目標(biāo)污染物，其排放源有工業(yè)點(diǎn)源、生活面源和線源。

假設(shè)全部源都會(huì)產(chǎn)生SO2，計(jì)算工業(yè)點(diǎn)源、生活面源和線源SO2排放每日、每月、全時(shí)段平均濃度和各源的分布值。

污染物預(yù)測方案的基本參數(shù)：AEROMD運(yùn)行方式為一般方式“非缺省”，預(yù)測氣象選擇“預(yù)測氣象”中對(duì)應(yīng)的春季優(yōu)化前、后的氣象條件，常用模型選項(xiàng)選擇“考慮對(duì)全部源速度優(yōu)化、考慮擴(kuò)散過程的衰減”。

預(yù)測點(diǎn)方案，在AEROMD預(yù)測點(diǎn)中進(jìn)行設(shè)置，通過運(yùn)行AERMAP生成任意點(diǎn)的控制高程數(shù)據(jù)。

2.2 人工模擬數(shù)值輸入

本研究中AERMOD模型是封裝的，參數(shù)優(yōu)化時(shí)無法實(shí)現(xiàn)參數(shù)的自動(dòng)輸入，手動(dòng)輸入次數(shù)可能達(dá)到成千上萬次，因此在模型算法優(yōu)化時(shí)需通過VB程序逆向分析與修改技術(shù)和Windows消息模擬技術(shù)實(shí)現(xiàn)人工模擬鼠標(biāo)完成數(shù)據(jù)的自動(dòng)輸入和輸出。

自動(dòng)化執(zhí)行分析與實(shí)現(xiàn)，EIAProA.exe是執(zhí)行AERMOD模型計(jì)算的程序，根據(jù)計(jì)算規(guī)模大小不同，每次計(jì)算時(shí)間從幾十秒到幾十分鐘不等，如果手動(dòng)執(zhí)行，將進(jìn)行成千上萬次的執(zhí)行，顯然是不現(xiàn)實(shí)的，因此必須實(shí)現(xiàn)自動(dòng)化運(yùn)行。對(duì)于命令行程序，通過傳遞參數(shù)調(diào)用很容易實(shí)現(xiàn)自動(dòng)化，而對(duì)于窗口程序，實(shí)現(xiàn)自動(dòng)化就變得非常繁瑣。由于VB程序是完全基于窗口的程序，每個(gè)VB程序中都存在窗口，EIAProA.exe程序的窗口數(shù)量更是多達(dá)5249個(gè)，其中與AERMOD模型計(jì)算相關(guān)的窗口達(dá)400余個(gè)。具體應(yīng)該操作哪個(gè)窗口，需在全部窗口中用Find Window、GetWindow、GetWindowText、GetClassName等Windows API進(jìn)行判斷和查找，在每一步執(zhí)行模擬操作前必須查找到相應(yīng)的窗口，否則定會(huì)執(zhí)行失敗。

模擬鼠標(biāo)鍵盤操作窗口主要有兩種方式：SendMessage/PostMessage方式和mouse-event/keybd-event方式。前者直接將消息放入目標(biāo)窗口消息隊(duì)列，不會(huì)真的影響鼠標(biāo)或鍵盤的位置等狀態(tài)，對(duì)系統(tǒng)影響小，實(shí)現(xiàn)起來簡單方便，且理論上不需要窗口在最前端，甚至最小化也可以使用。但實(shí)際上此方法并不是很穩(wěn)定，偶爾會(huì)發(fā)生失效現(xiàn)象，并不能在所有場合有效。后者真的會(huì)產(chǎn)生鼠標(biāo)鍵盤事件而生成相應(yīng)的消息，影響鼠標(biāo)的實(shí)際位置等狀態(tài)，在使用時(shí)對(duì)整個(gè)桌面進(jìn)行操作，不區(qū)分單個(gè)窗口，對(duì)系統(tǒng)影響較大，同時(shí)需要準(zhǔn)確判斷目標(biāo)點(diǎn)位置，容易出錯(cuò)。

綜合以上兩點(diǎn)，通過SetForegroundWindow、SetFocus等API函數(shù)，調(diào)整窗口層次，充分利用每種方式的優(yōu)點(diǎn)，規(guī)避不足，最終研發(fā)出穩(wěn)定的自動(dòng)化執(zhí)行程序，實(shí)現(xiàn)了AERMOD模型計(jì)算的自動(dòng)化執(zhí)行。

2.3 遺傳算法參數(shù)優(yōu)化

遺傳算法（Genetic Algorithm，GA）是基于進(jìn)化論原理發(fā)展起來的啟發(fā)式算法，通過模擬自然界中種群在選擇壓力下的演化過程，最終得到問題的近似解或最優(yōu)解。首先將問題的解設(shè)為一個(gè)個(gè)體，每個(gè)個(gè)體相當(dāng)于“染色體”，之后隨機(jī)建立的一組個(gè)體，并將這一組個(gè)體定義為“初始種群”。每個(gè)個(gè)體都通過“適應(yīng)度”來判斷與想得到結(jié)果的差異度，在自然界中，適應(yīng)度越高，個(gè)體染色體被遺傳的概率就越大，反之，則被淘汰的概率就越大。除了通過適應(yīng)度來選擇、淘汰已有的個(gè)體，還會(huì)通過染色體交叉、變異產(chǎn)生新的個(gè)體，形成下一代種群，在這一過程中，必須要保持種群規(guī)模的一致。經(jīng)過N代演化后，會(huì)得到問題的最優(yōu)解。這一系列過程正好體現(xiàn)了生物界優(yōu)勝劣汰的自然規(guī)律。基于遺傳算法的AERMOD模型參數(shù)優(yōu)化的流程如圖2。

（1）編碼

圖2 遺傳優(yōu)化算法基本流程

將AERMOD模型優(yōu)化的6個(gè)參數(shù)進(jìn)行編碼（6個(gè)參數(shù)為每個(gè)區(qū)域的不同地形地貌下的反照率、波紋比以及粗糙度組合），采用優(yōu)化參數(shù)浮點(diǎn)數(shù)編碼方式，每個(gè)參數(shù)就是一個(gè)基因，一個(gè)解就是一串基因的組合，即染色體串。其中北京市懷柔區(qū)，每組染色體6個(gè)基因排列順序?yàn)?，城市：反照率、波紋比、粗糙度；落葉林：反照率、波紋比、粗糙度。

（2）建立初始種群

（3）適應(yīng)度計(jì)算

計(jì)算種群中個(gè)體的適應(yīng)度，根據(jù)適應(yīng)度來度量種群中個(gè)體優(yōu)劣（符合條件的程度）的指標(biāo)值。

預(yù)測某季度的污染濃度，對(duì)于某一個(gè)個(gè)體Xi，其在監(jiān)測站某天預(yù)測的結(jié)果數(shù)據(jù)為，表示使用Xi預(yù)測獲得的第k天監(jiān)測站污染物日均濃度值。

適應(yīng)度函數(shù)要使預(yù)測結(jié)果與在線監(jiān)測結(jié)果誤差平方和最小，對(duì)于某一個(gè)個(gè)體Xi，其適應(yīng)度函數(shù)定義為：

（4）選擇

選擇的目的是從種群中選出優(yōu)秀的個(gè)體，進(jìn)行選擇的原則是適應(yīng)性強(qiáng)的個(gè)體為下一代貢獻(xiàn)的概率大，以實(shí)現(xiàn)達(dá)爾文的適者生存原則。實(shí)現(xiàn)選擇的步驟如下：

1）計(jì)算種群中所有適應(yīng)值的和。

2）計(jì)算個(gè)體Xi遺傳到下一代的概率。

3）累積概率，使每個(gè)概率值組成一個(gè)區(qū)域，全部概率值之和為1。

（5）交叉、變異

交叉運(yùn)算是遺傳算法中產(chǎn)生新個(gè)體的主要操作過程，其以某一概率相互交換某兩個(gè)個(gè)體間的部分染色體，具體計(jì)算方法如下：

在進(jìn)化過程中，種群中的每組染色體的每個(gè)基因都有一定幾率產(chǎn)生隨機(jī)變異，從而產(chǎn)生新的個(gè)體，保持種群內(nèi)的多樣性。因此我們需要引入變異算法，具體計(jì)算方法為：

（6）中止

理論上，種群經(jīng)過無休止地進(jìn)化，總能找到最優(yōu)解，但在實(shí)際應(yīng)用中精確度和執(zhí)行效率往往無法兼得，因此需在兩者之間尋找最適解，一般可以采取以下2種方式：

1）給定一個(gè)最大的遺傳代數(shù)T，算法迭代在達(dá)到T時(shí)停止。

2）設(shè)定可接受的結(jié)果范圍，當(dāng)種群進(jìn)化到誤差范圍內(nèi)，停止迭代計(jì)算。本研究發(fā)現(xiàn)種群中全部個(gè)體適應(yīng)度≥0.8，可認(rèn)為算法已達(dá)到最優(yōu)解。無法進(jìn)行改進(jìn)性的標(biāo)識(shí)方法為：當(dāng)種群中全部個(gè)體適應(yīng)度≥0.8時(shí)，可認(rèn)為算法已優(yōu)化到極限。

人工模擬結(jié)合遺傳算法得到懷柔區(qū)春季參數(shù)優(yōu)化結(jié)果。參數(shù)優(yōu)化前后值對(duì)比詳見表1。

3 模型預(yù)測結(jié)果及校驗(yàn)

利用AERMOD模型建立SO2濃度模擬值與在線監(jiān)測數(shù)據(jù)的關(guān)系，選取懷柔區(qū)春季的實(shí)際監(jiān)測值、參數(shù)優(yōu)化前后的預(yù)測值進(jìn)行對(duì)比，對(duì)比結(jié)果見表2。

表2 預(yù)測值與監(jiān)測值對(duì)比 （單位：μg/m3）

為驗(yàn)證模型參數(shù)的可靠性、合理性及實(shí)用性，以確定其預(yù)測準(zhǔn)確率，選用直接比較和符合度兩種方法對(duì)監(jiān)測值與優(yōu)化后的預(yù)測值進(jìn)行分析。

（1）直接比較

采用P/O（預(yù)測值/監(jiān)測值）的平均值評(píng)估。平均值代表系統(tǒng)整體偏離度為1時(shí)無任何偏差。影響模型預(yù)測結(jié)果的因素，包括但不限于模式類型、混合層高度和穩(wěn)定度、擴(kuò)散參數(shù)。

對(duì)AERMOD模型計(jì)算預(yù)測值與監(jiān)測值直接比較，分析結(jié)果見表3。

表3 SO2的P/O分析

P/O結(jié)果分析：經(jīng)過使用遺傳算法優(yōu)化后的參數(shù)計(jì)算出的結(jié)果，其P/O的平均值降為1.02，優(yōu)化后的預(yù)測值與監(jiān)測值的一致性，相比優(yōu)化前可提升15%?？梢姡瑑?yōu)化后P/O比值更接近于1，說明參數(shù)優(yōu)化后的AERMOD模型預(yù)測更準(zhǔn)確。

（2）符合度

利用一系列署名點(diǎn)的預(yù)測值和監(jiān)測值的分析符合度d、均方誤差MSE。均方誤差越小，符合度越高，d越接近于1，說明模型符合實(shí)際情況，預(yù)測結(jié)果更準(zhǔn)確。

對(duì)AERMOD模型計(jì)算結(jié)果進(jìn)行符合度分析，分析結(jié)果見表4。

表4 SO2預(yù)測值符合度分析

符合度結(jié)果分析：參數(shù)優(yōu)化后預(yù)測結(jié)果的符合度更趨近于1，MSE較小。由于污染物在大氣擴(kuò)散過程中的不確定性，可以認(rèn)為此模型優(yōu)化后的預(yù)測值和監(jiān)測值一致性良好，較為符合實(shí)際情況。

綜上，充分驗(yàn)證了AERMOD模型參數(shù)優(yōu)化的必要性，丁峰等[12]于AERMOD模型在環(huán)評(píng)中的應(yīng)用研究中也有相似的結(jié)論。相比參數(shù)優(yōu)化前、參數(shù)優(yōu)化后的AERMOD模型對(duì)北京市懷柔區(qū)的大氣環(huán)境影響評(píng)價(jià)預(yù)測結(jié)果更接近實(shí)際監(jiān)測值，有效解決了引進(jìn)產(chǎn)品本地化應(yīng)用的問題。

4 結(jié)論

選取北京具有代表性區(qū)域的污染源監(jiān)測數(shù)據(jù)，利用VB程序逆向分析與修改技術(shù)和Windows消息模擬技術(shù)，實(shí)現(xiàn)AERMOD模型數(shù)據(jù)自動(dòng)輸入，預(yù)測結(jié)果自動(dòng)輸出，同時(shí)采用遺傳算法對(duì)AERMOD模型中的參數(shù)進(jìn)行優(yōu)化，利用模型程序?qū)Υ髿猸h(huán)境影響進(jìn)行預(yù)測。研究表明參數(shù)優(yōu)化后SO2預(yù)測值相比優(yōu)化前與實(shí)際監(jiān)測值更接近，接近度可提升15%；同時(shí)本研究也驗(yàn)證了人工模擬結(jié)合遺傳算法在大氣環(huán)境影響預(yù)測模型參數(shù)優(yōu)化中的可行性，為大氣環(huán)境預(yù)測研究提供理論依據(jù)，為引進(jìn)產(chǎn)品本地化應(yīng)用奠定了基礎(chǔ)。