基于改進(jìn)螢火蟲群算法的大氣污染源自動(dòng)定位方法研究

關(guān)鍵詞：改進(jìn)螢火蟲群算法；大氣污染源；污染監(jiān)測點(diǎn)；目標(biāo)函數(shù)；自動(dòng)定位方法

中圖分類號(hào)：X830.2 文獻(xiàn)標(biāo)志碼：B

前言

大氣污染是環(huán)境污染中的重要方面。工廠生產(chǎn)排放的廢氣、街上汽車行駛排放的尾氣、冬季取暖燃燒煤炭產(chǎn)生的氣體等都是造成大氣污染主要根源?？諝馕廴具€對人們出行造成極大影響，空氣污染中霧霾會(huì)降低能見度，導(dǎo)致交通事故頻發(fā)。在此背景下，相關(guān)環(huán)保部門或機(jī)構(gòu)提出很多治理措施，但是大多數(shù)都是治標(biāo)不治本，因此經(jīng)過長時(shí)間的調(diào)查研究，在治理前準(zhǔn)確定位出大氣污染源是必要的。由于大氣污染具有隨機(jī)擴(kuò)散性，通過傳統(tǒng)人工污染源定位十分困難，需要花費(fèi)大量的時(shí)間和精力，因此研究一種自動(dòng)化定位技術(shù)具有重要的現(xiàn)實(shí)意義。

在上述背景下，關(guān)于污染源定位的研究有很多，例如宿兵暢、張亞娟、張素琪篩選出活躍監(jiān)測點(diǎn)，構(gòu)建社區(qū)網(wǎng)絡(luò)，并用ILPA算法計(jì)算節(jié)點(diǎn)度中心度等，據(jù)此定位污染源坐標(biāo)。陳一村、蔡浩、陳志龍等人提出基于改進(jìn)PSO算法的定位法，用移動(dòng)機(jī)器人采集污染參數(shù)，通過CFD模擬濃度變化，最終用改進(jìn)PSO算法定位。

雖然前人研究均取得了研究成果，但是均停留在發(fā)現(xiàn)污染區(qū)域的層面，污染源定位準(zhǔn)確性還有待提高。為此，研究一種基于改進(jìn)螢火蟲群算法的大氣污染源自動(dòng)定位方法。通過該研究以期提高定位準(zhǔn)確性，為污染治理工作提供更加可靠的數(shù)據(jù)。

以某區(qū)域?yàn)槔?，利用所研究方法對該區(qū)域內(nèi)大氣污染源進(jìn)行定位測試，研究區(qū)如圖1所示。

為了實(shí)現(xiàn)該區(qū)域大氣污染有效治理，進(jìn)行大氣污染源自動(dòng)定位是十分必要的。在該區(qū)域上模擬投放5個(gè)不同強(qiáng)度大氣污染源，作為已知的實(shí)際大氣污染源位置。

改進(jìn)螢火蟲群算法（IFA，Improved Firefly Algo-rithm）在優(yōu)化求解污染源定位參數(shù)過程中，通過以下步驟細(xì)化實(shí)例測試過程。

2.1.1算法改進(jìn)

初始化：改進(jìn)螢火蟲群算法的初始化過程。

亮度更新：調(diào)整螢火蟲亮度的計(jì)算方式，使其更準(zhǔn)確地反映搜索空間中的優(yōu)劣解。

移動(dòng)規(guī)則：優(yōu)化螢火蟲之間的吸引力和移動(dòng)規(guī)則。

局部搜索：引入局部搜索策略，以提高解的質(zhì)量。

2.1.2實(shí)例測試準(zhǔn)備

測試數(shù)據(jù)集：準(zhǔn)備包含多個(gè)污染源定位實(shí)例的測試數(shù)據(jù)集，每個(gè)實(shí)例包含觀測到的污染物濃度數(shù)據(jù)。

算法參數(shù)設(shè)置：根據(jù)經(jīng)驗(yàn)或?qū)嶒?yàn)調(diào)整改進(jìn)螢火蟲群算法的參數(shù)。

2.1.3實(shí)例測試過程

數(shù)據(jù)預(yù)處理：對測試數(shù)據(jù)集中的每個(gè)實(shí)例進(jìn)行預(yù)處理。

算法執(zhí)行：對每個(gè)實(shí)例應(yīng)用改進(jìn)后的螢火蟲群算法，記錄算法的運(yùn)行過程和結(jié)果。

結(jié)果評(píng)估：根據(jù)目標(biāo)函數(shù)評(píng)估每個(gè)實(shí)例的求解結(jié)果等。

2.2大氣污染監(jiān)測點(diǎn)

按照1 km×1km的尺寸劃分研究區(qū)，得到研究區(qū)網(wǎng)格模型并進(jìn)行網(wǎng)格對角線交叉，交叉中心點(diǎn)作為一個(gè)候選監(jiān)測點(diǎn)。

根據(jù)監(jiān)測結(jié)果計(jì)算各個(gè)候選監(jiān)測點(diǎn)的空氣污染指數(shù)以及平均值，以此為基礎(chǔ)篩選監(jiān)測點(diǎn)，結(jié)果見表1。

從表1看出，8個(gè)候選監(jiān)測點(diǎn)的空氣污染指數(shù)大于平均值，分別為監(jiān)測點(diǎn)2、5、8、9、10、11、13、14，將這8個(gè)監(jiān)測點(diǎn)作為篩選結(jié)果。

2.3改進(jìn)螢火蟲群算法參數(shù)設(shè)置

改進(jìn)螢火蟲群算法的相關(guān)參數(shù)設(shè)置具體為：

種群規(guī)模：設(shè)置為42。

鄰域變化率：設(shè)置為2。

熒光素?fù)]發(fā)因子：設(shè)置為0.6。

決策半徑：設(shè)定為0.5。

初始熒光素濃度：設(shè)為2.0。

信息素增強(qiáng)因子：設(shè)置為0.05。

感知半徑：設(shè)定為1.0。

鄰域閾值：設(shè)為0.7。

最大迭代次數(shù)：設(shè)定為500。

2.4污染源定位結(jié)果

利用改進(jìn)螢火蟲群算法對大氣污染源參數(shù)反演的目標(biāo)函數(shù)進(jìn)行優(yōu)化求解。求解的最優(yōu)解見表2。

采用ILPA算法和改進(jìn)PSO算法進(jìn)行定位。通過定位結(jié)果與真實(shí)污染源坐標(biāo)的偏離度來評(píng)估準(zhǔn)確性。公式為式（13）：

從圖2看出，與基于ILPA算法的定位方法、基改進(jìn)PSO算法的定位方法相比，所研究方法應(yīng)用下，偏離度值更小，說明該方法的定位結(jié)果更接近真實(shí)結(jié)果，證明方法的定位準(zhǔn)確性。

3結(jié)束語

綜上所述，面對大氣污染的不確定性，傳統(tǒng)的污染治理方法往往難以根治，且難以取得預(yù)期的效果。為此，研究提出了一種基于改進(jìn)螢火蟲群算法的大氣污染源自動(dòng)定位方法。該方法通過結(jié)合污染濃度的監(jiān)測與預(yù)測，構(gòu)建了反演目標(biāo)函數(shù)，從而將定位參數(shù)的求取轉(zhuǎn)化為目標(biāo)函數(shù)的求解問題。通過實(shí)例測試，證明了文章眼界的方法在定位準(zhǔn)確性上的有效性。與三種其他方法相比，文章所研究的方法在偏離度上表現(xiàn)出明顯優(yōu)勢，證實(shí)了在實(shí)際應(yīng)用中的潛力。文章研究基于改進(jìn)螢火蟲群算法的大氣污染源自動(dòng)定位方法不僅為大氣污染治理提供了新的思路，也為環(huán)境保護(hù)領(lǐng)域提供了新的技術(shù)手段，有助于實(shí)現(xiàn)更加精準(zhǔn)和高效的大氣污染控制。