遗传算法动态修正核素大气扩散模型的适应度函数研究

放射性核素大气扩散模型中,基于示踪实验获得的经验扩散参数依赖于具体的实验条件,在事故条件下,由于风场、大气湍流、地表状态等与实验条件存在差异,经验扩散参数难以准确反映实际扩散过程。为了弥补这一不足,可以以经验参数为先验值,使用实际观测数据对其进行实时动态修正。本文基于遗传算法,建立动态修正模型,通过数值模拟得到4种适应度函数对修正结果的影响。结果表明,根据观测误差设置不同权重的适应度函数修正效果更好。在此基础上,使用Kincaid实验数据集进行模型预测能力的验证,结果表明,使用遗传算法对拉格朗日扩散模型中的扩散参数进行修正,可明显提高扩散模型的预测能力。     

拉格朗日烟团模型的大气扩散系数自适应修正

在核事故后果实时评价系统中,拉格朗日烟团模型作为大气扩散模型得到了广泛应用。大气扩散系数是影响烟团模型的重要参数之一,本文提出一种动态修正拉格朗日烟团模型的大气扩散系数的自适应方法,以提高放射性核素浓度分布计算的准确性。该方法利用观测的核素浓度数据、气象数据和源项释放数据,以最小二乘法实时地对大气扩散系数进行了估计。使用大气扩散模型验证工具MVK中的Kincaid实验数据,将动态大气扩散系数自适应修正方法与传统的以Pasquill-Gifford（P-G）曲线为基础的方法相比较,结果表明,大气扩散系数自适应修正方法能提高拉格朗日烟团模型计算结果的准确性。