突发大气污染事故：多算法源参数反演性能对比

本文主要探讨了"多情景源排放参数反演下典型优化算法性能对比"这一主题，针对突发大气污染事故中排放源参数的确定问题进行深入研究。在实际操作中，不同类型的事故（如泄漏或火灾）可能涉及到不同的源参数估计，如源强和位置等，因此，对比不同优化算法在这些情景下的性能对于快速、精确地估算源参数至关重要。 研究团队利用草原SO2释放实验数据，选择了三种常见的优化算法进行分析：遗传算法(GA)，粒子群算法(PSO)，以及粒子群-单纯形耦合算法(PSO-NM)。研究重点围绕反演结果的准确性、稳定性以及计算时间效率展开。 在单参数源强反演的情况下，GA和PSO-NM算法表现出相近的准确性，相比于PSO算法，其相对偏差分别为24.0%和24.0%，而PSO的相对偏差则较高，为37.6%。所有算法在这部分反演中的稳定性都较好，变异系数均小于0.004，显示出算法的稳健性。 然而，在多参数反演，即同时考虑源强Q和位置(x、y、z)时，PSO-NM算法的反演准确性最优，而GA的准确性最差。尽管如此，多参数反演导致了稳定性与准确性之间的反转：PSO-NM在准确性上的优势被稳定性降低所抵消，而GA的稳定性在多参数情况下反而提升。 随着反演参数数量的增加，如四维参数反演，PSO、GA、PSO-NM算法在源强反演的稳定性上都出现了显著下降，变异系数分别提高了0.50、0.12和0.29。这表明更多的参数会增加反演的复杂性和不确定性。 在计算效率方面，PSO算法表现出最高的效率，但在稳定的大气条件下，PSO-NM算法的计算时间显著增加，可能是因为其结合了多个优化技术，增加了计算复杂度。研究结果对于选择适合特定情景的优化算法，提高源参数反演的实时性和准确性具有重要的实践指导意义。 此外，本文的研究还受到了国家重点研发计划项目的资金支持，作者毛书帅博士主要关注环境规划管理和大气污染防治领域的研究。整个研究过程从接收稿件到发表，历时较长，体现了严谨的科研态度和对大气污染问题的深入探究。