ＰＳＯ算法優化的大氣質量評價的普適公式

摘要：采用具有全局搜索功能的粒子群優化算法對計算大氣污染損害率的計算公式中的參數進行優化，得到了對于多種大氣污染物均適用的具有普適性的大氣污染損害分指數計算公式及大氣質量綜合污染損害指數評價模型。實驗結果表明：該大氣質量綜合污染損害指數評價模型用于大氣質量評價是可行的，不僅公式形式簡單、計算簡便，而且原理直觀、評價結果準確，具有較好的應用潛能。

關鍵詞：PSO算法； 普適公式； 污染損害指數； 參數優化； 評價模型

中圖分類號：TP391文獻標志碼：A

文章編號：1001-3695(2007)12-0294-02

大氣環境質量與人們的健康及生活息息相關。隨著經濟和工業化進程的加快，大氣質量嚴重惡化，污染的空氣成為威脅所有生命的兇險殺手，使人類的生存條件和生態系統受到嚴重影響。自從1932年起曾發生了多次震驚世界的大氣污染事件。而且近十幾年來，不少國家發現酸雨，雨雪中酸度增高，使河湖、土壤酸化、魚類減少甚至滅絕，森林發育也受到嚴重影響等等。以上事實表明：控制大氣污染，預防污染事件的發生，開展大氣污染評價工作已迫在眉睫。迄今為止，國內外已提出多種大氣質量評價方法，如灰色聚類法、模糊數學法、層次分析法等。但這些評價方法的缺陷是評價和評價結果缺乏明確的物理意義，難以直接為環境整治規劃提供科學依據。

鑒于以上不足，本文在文獻[1，2]的基礎上，通過采用一種新的進化算法即PSO(particle swarm optimization，粒子群優化)算法對計算大氣污染損害率公式中的參數進行優化，得到了對于多種大氣污染物均適用的具有普適性的大氣污染損害分指數計算公式和大氣質量綜合污染損害指數評價模型。利用該評價模型對長春市的大氣污染狀況進行評價，得到了令人滿意的結果。實驗結果表明該模型用于大氣質量評價能夠有效克服上述多種評價方法所存在的缺陷^[1，3，4]。

1PSO算法

PSO算法是一種基于群智能的演化計算技術，它是由于受到人工生命研究結果的啟發，于1995年由Kennedy和Eberhart最早提出^[5，6]。PSO算法與遺傳算法類似，也是一種基于群體的優化工具，但與遺傳算法相比，PSO算法具有收斂速度快、容易實現，而且又具有深刻智能背景的優點。目前，它已被國際進化計算會議列為討論的專題，并且廣泛應用于函數優化、神經網絡訓練、模式分類、模糊系統控制等多個領域。

4實驗結果

4．1實例1

本文以文獻[1]所列的某市10個監測點的SO2、NOx和TSP(總懸浮顆粒物)三種污染物的濃度監測值為例，采用大氣質量綜合污染損害指數評價模型對其進行評價，三種污染物的濃度監測值及綜合評價結果分別如表4、5所示。

通過表5的評價結果表明：采用大氣質量綜合污染損害率評價模型所得的評價結果與李祚泳的RPL評價法、倍斜率聚類法即TSC評價法、模糊綜合法即F法所得的評價結果基本一致，只有在監測點4略有差異。本文在監測點4計算的結果R為1.29略高于2級和3級的分界線，因此此點判定為2級或3級均合理。

4．2實例2

本文根據長春市環境監測中心站提供的資料，以大氣中的主要污染物：PM10（可吸入顆粒物）、SO2、NO2三種污染物的濃度值為主要監測對象。由于中國北方的春季具有風沙大、氣候變化顯著的特點，在此期間大氣污染現象較為明顯。因此本文選取2002年3月1日~15日間實際監測的數據作為數據樣本，運用大氣質量綜合污染損害指數評價模型所得到的評價結果如表6所示。

表6的評價結果表明：采用本文的大氣質量綜合污染損害指數評價模型所得評價結果與實際評價結果基本吻合。因此該評價模型用于城市大氣污染評價是科學可行的，具有一定的應用前景。

5結束語

本文采用一種基于群體的隨機全局優化工具即PSO算法對大氣污染損害率的計算公式中的參數進行優化，優化后得到的大氣污染損害分指數公式形式簡單，計算簡便；當污染物種類較多時，其優越性更為明顯；本文將大氣環境質量的好壞與其所受的損害程度直接相聯系，因此使本文的大氣質量綜合污染損害指數評價法具有更明確的物理意義，原理更加直觀。評價級別是以多種大氣污染物對大氣的損害程度作為劃分等級的主要標準，故使本文的評價結果更合理、更準確。

參考文獻：

[1]李祚泳，王鈺，劉國東.大氣污染損失率評價模型參數的GA優化[J].環境科學研究，2001，14(2):7－10.

[2]錢蓮文，吳承禎，宏偉，等.大氣質量評價的污染危害指數法的改進[J].福建林學院學報，2003，23(3):249-252.

[3]李祚泳，張欣莉，丁晶.水質污染損害指數評價的普適公式[J].水科學進展，2001，12(2):161－163.

[4]何斌，譚界忠.大氣環境質量綜合評價的污染損失率法[J].環境保護，1998(9):21-24.

[5]KENNEDY J， EBERHART R. Particle swarm optimization[C]//Proc IEEE Int Conf on Neural Networks. Piscataway， NJ: IEEE Ser－vice Center， 1995:1942－1948.

[6]EBERHART R， KENNEDY J. A new optimizer using particle swarm theory[C]//Proc of the 6th Int Symposium on Micro Machine and Human Science. Nagoya: IEEE Press， 1995:39-43.

[7]李愛國，覃征，鮑復民，等.粒子群優化算法[J].計算機工程與應用，2002，38(21):1-3.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”