基于遺傳算法的冶煉廠煙塵排放污染源識別研究

（南昌師范學院，江西 南昌 330032）

近幾年，我國冶煉廠逐漸增多，由于冶煉技術的不成熟，導致冶煉過程中會產生大量的煙塵排放污染物，對周邊環境造成了極其嚴重的影響，因此對冶煉廠煙塵排放污染源識別方法進行研究對治理環境污染至關重要。

空氣污染程度的增加，霧霾頻繁發生，大氣污染問題逐漸嚴重，并受到了人們的重視。大氣環境中，煙塵排放污染物主要以懸浮顆粒物存在[1]。一般情況下，將粒徑小于100μm的煙塵排放污染物稱為總懸浮顆粒；將粒徑小于10μm的煙塵排放污染物稱為可吸入顆粒物，其還可以細分為細顆粒（粒徑尺寸小于2.5μm）與粗顆粒（粒徑尺寸范圍為2.5μm～10μm）。為了治理冶煉廠煙塵排放污染情況，提出基于遺傳算法的冶煉廠煙塵排放污染源識別方法研究。遺傳算法通過數學方式，利用計算機仿真運算，將問題求解過程轉換為基因交叉、變異等過程，具備運算速度快、求解精度高等優勢，目前被多個領域應用，具有極好的應用前景。將遺傳算法應用到冶煉廠煙塵排放污染源識別方法過程中，希望可以提升冶煉廠煙塵排放污染源識別方法的性能。

1 冶煉廠煙塵排放污染源識別方法研究

（1）煙塵排放污染物分布趨勢分析。研究將特殊標識元素記為重金屬A，分析其分布趨勢，為冶煉廠煙塵排放污染源識別做準備。此研究過程中，假設冶煉廠以冶煉重金屬A為主，可以通過跟蹤其煙塵排放中重金屬A的含量識別出污染源。常規情況下，冶煉廠煙塵排放方向隨著風向而變化，而風向隨著季節呈現周期性變化，從而冶煉廠煙塵排放方向也隨著季節呈現一定周期性的旋轉。

表1 冶煉廠煙塵排放污染源分布數據表

上述過程完成了冶煉廠煙塵排放污染物分布趨勢的分析，為下述煙塵排放污染物分布方程的建立提供數據支撐。

（2）煙塵排放污染物分布方程建立。在大氣污染事故治理過程中，大氣資料以及周圍環境信息不是十分充足，故對一維對流擴散方程進行一定程度的簡化，具體簡化步驟如下所示：步驟一：將大氣污染事故簡化為一定區域內（πl2）的煙塵擴散過程，并設定煙塵擴散速度均勻不變，同時大氣介質保持均勻；步驟二：假設大氣初始環境以及區域邊緣的煙塵排放污染物濃度近似為零；步驟三：煙塵排放污染物在大氣環境中沿擴散方向均勻混合，并存在著一定的衰減現象。

依據上述簡化步驟，得到多源煙塵排放污染物進入大氣環境后的濃度分布偏微分方程為

式（1）中，C表示的是引起大氣環境污染的煙塵排放污染物濃度；t表示的是時間；u表示的是煙塵排放污染物擴散速度；x表示的是沿風向方向的位置坐標；Ex表示的是煙塵排放污染物擴散系數；K表示的是綜合衰減系數；q表示的是煙塵排放污染源總數量；Mi表示的是突發大氣污染事故污染物質總量；δ表示的是狄拉克函數；xi表示的是煙塵排放污染源坐標。

常規情況下，已知煙塵排放污染源位置xi以及污染物質總量Mi，來求解煙塵排放污染物濃度分布情況C(x,t)，此屬于冶煉廠煙塵排放污染事故模擬預測的“正問題”，而此研究是通過某些測點的煙塵排放污染物濃度值，識別煙塵排放污染源，此屬于“反問題”。在“反問題”求解問題較為復雜，需要利用“正問題”構建“反問題”的優化目標函數，以此為基礎，求解公式（1）的偏微分方程，得到公式（1）的解為：

（3）煙塵排放污染源識別模型。基于遺傳算法的煙塵排放污染源識別步驟如下所示：

步驟一：設置遺傳算法參數，主要包含基因取值范圍、個體基因個數Ng、種群中個體總數Im、交叉概率Pc、變異概率Pm以及最大迭代次數Tm。其中，交叉概率、變異概率與種群個體總數需要根據實際情況進行具體的設置；

步驟三：初始種群生成，表達式為

式（3）中，ranf是產生區間范圍[0,1]內隨機數的函數公式；

步驟四：構建適應度函數。遺傳算法只能使個體向著適應度值提升方向變化，而公式（3）表示優化變量需要向適應度值減少方向變化，故修正適應度函數，得到適應度函數表達式為：

步驟五：遺傳優化搜索。對步驟三生成的初始種群應用選擇算子、交叉算子與變異算子進行操作運算，當迭代次數達到設置的最大迭代次數時，遺傳算法終止。

2 仿真實驗與結果分析

采用MATLAB軟件設計仿真實驗，具體實驗過程如下所示。

（1）實驗參數設置。為了保障仿真實驗的順利進行，設計仿真實驗參數，指的是實驗工況參數設置，具體數值如表2所示。

表2 實驗工況參數設置表

如表2所示，以種群規模為劃分變量，將實驗劃分為10中工況，依據上述參量進行仿真實驗，驗證提出方法的識別性能。

（2）實驗結果分析。仿真實驗通過煙塵排放污染源識別誤差以及收斂代數反映方法的性能，具體實驗結果分析過程如下。實驗設定煙塵排放污染源位置為排放方向的0.5m處，通過仿真實驗得到煙塵排放污染源識別誤差數據如表3所示。

表3 煙塵排放污染源識別誤差數據表

如表3數據顯示，提出方法的煙塵排放污染源識別誤差范圍為-10.00%～10.00%，滿足現今煙塵排放污染源識別需求。

現今，收斂代數標準數值為40，通過仿真實驗得到收斂代數數據如圖1所示。

圖1 收斂代數數據圖

如圖2數據顯示，提出方法收斂代數均低于標準數值，平均值為24.6。

上述實驗結果顯示：提出方法的煙塵排放污染源識別誤差范圍為-10.00%～10.00%，收斂代數平均值為24.6，低于標準數值，滿足現今煙塵排放污染源識別需求，充分說明提出方法具備較好的識別性能。

3 結束語

此研究將遺傳算法應用到冶煉廠煙塵排放污染源識別過程中，極大的提升了污染源識別的性能，為冶煉廠的發展與煙塵排放的治理提供精確的數據支撐。