摘要：针对大气污染事故突发时,事故发生点无法确定或人员不能接近的情况,研究了基于环境监测数据源项反演以获取事故源项数据的技术,设计实现了一种基于粒子群-模拟退火源项反演方法。采用自适应方法调整惯性权重系数,与高斯烟羽扩散模型结合,对事故源项数据进行反演。实验结果显示:在所选监测点监测数据的反演实验中,基于粒子群-模拟退火算法(PSO-SA)结合了两种算法的优势,能够获得与期望值较为符合的反演结果。进一步分析了监测点数据误差及监测点数量对反演结果的影响,并将文中方法与粒子群算法(PSO)进行对比,同等条件下,较粒子群算法精度提高了8%,能够快速实现对大气污染源强和位置的准确估计。

摘要：核事故发生后,在事故工况信息无法获取的情况下,通过环境监测数据进行源项反演是一种有效的源项估计方法。文章设计并实现了一种遗传-模拟退火源项反演方法,仿真计算结果表明:在监测数据无误差这种理想情况下,利用该方法可以得到准确的源项反演结果。为了更好地应用于实际,进一步研究了监测数据误差对反演结果的影响,以及监测数据存在误差的情况下,监测点布点方式和监测点数量对反演结果的影响。

摘要：为能在核设施发生核事故时快速连续反演核素释放率,本文结合高斯多烟团大气扩散模型,模拟固定区域的连续监测数据,设计并实现了核设施核事故核素释放率的卡尔曼滤波实时跟踪反演。研究结果表明:与高斯多烟团大气扩散模型结合的卡尔曼滤波器,在约10次滤波后,跟踪到虚设的稳定、线性及非线性变化的释放率真值,反演值标准差随真值的增大而增大;在扩展卡尔曼滤波反演释放高度时,由于截断误差过大,滤波结果不收敛。利用环境监测数据,通过与高斯多烟团大气扩散模型结合的卡尔曼滤波器可用于固定高度和位置、短时连续排放的核事故核素释放率参数反演,是核设施核事故应急可选择的源项反演手段。

摘要：阐述核应急监测数据信息融合方案的设计,建立核素特征数据库及核监测数据的标准数据结构,构建时空一致性匹配的数据基础;在首次预测时将源项观测数据、核监测数据代入放射性强度梯度分析、高斯模式反推等方法实现源项反演,并用高斯多烟团模型实现扩散预测;后续再利用基于卡尔曼滤波的数据同化技术持续迭代分析计算,提高核辐射剂量率(浓度)及源项信息的预测精度;最终根据预测结果对核辐射危害进行评估,建立危害区域等级及标识,从而指导危害防护及处置工作。

摘要：基于最佳摄动量思想,设计了一种反演计算对流弥散方程源(汇)项的遗传算法.通过数值试验验证了所提算法的有效性.