資源描述：
《基于MCMC方法的城區(qū)有毒氣體擴散源反演》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、ISSN1000-0054清華大學學報(自然科學版)2009年第49卷第5期w3CN11-2223/NJTsinghuaUniv(Sci&Tech),2009,Vol.49,No.5http://qhxbw.chinajournal.net.cn基于MCMC方法的城區(qū)有毒氣體擴散源反演1,211郭少冬,楊銳,翁文國(1.清華大學工程物理系,公共安全研究中心,北京100084;2.清華大學航天航空學院,工程力學系,北京100084)摘要:城區(qū)中有毒氣體突發(fā)性泄漏時,需要快速對泄漏源Keywords:toxicgasrelease;inversion;Bayesian
2、inference;進行定位和識別,以便科學預測氣體的蔓延及其影響范圍。likelihoodfunction;posteriorprobability利用基于Bayes推斷理論的MCMC(MarkovchainMonteCarlo)抽樣方法,根據(jù)城市中分布的傳感器測量信息,和氣在突發(fā)性有毒物質(zhì)泄漏發(fā)生時,迅速地掌握釋體擴散數(shù)值計算模型,構(gòu)造似然函數(shù),對泄漏源的位置、強度放源信息對于科學的預測事態(tài)發(fā)展,制定有效的應進行反演。通過計算這些參數(shù)和空間各點濃度的相關(guān)統(tǒng)計急策略具有十分重要的意義。然而在實際的應急處量,表明反演結(jié)果與泄漏源的真實參數(shù)十分吻合。此外,還討置過程
3、中,由于有毒氣體擴散事件通常具有隱蔽性論了傳感器測量誤差的概率分布對結(jié)果的影響。結(jié)果表明,和突發(fā)性的特點,往往無法預先獲知釋放源的空間誤差概率會顯著影響計算效果,概率分布越平坦,泄漏源反位置、釋放速率等信息,因此必須對氣體擴散進行反演信息的不確定度越大。演,得到釋放源的關(guān)鍵信息。關(guān)鍵詞:有毒氣體泄漏;反演;Bayes推斷;似然函數(shù);后驗概率源項反演方法研究的早期,主要集中于直接構(gòu)造其控制微分方程的反問題,通過正則變換,進行解中圖分類號:X928.9文獻標識碼:A[1]析或數(shù)值求解。Tikhonov及其同事們的研究工作文章編號:1000-0054(2009)05-0
4、011-06為這一領(lǐng)域做出了重要貢獻。我國的一些研究[2-3]者也利用這類方法提出了幾種新的反演迭代算Sourceinversionoftoxicgasdispersion法。但該方法的應用具有很大的局限性:需要假定inurbanareasbasedontheMCMC[4]系統(tǒng)是穩(wěn)態(tài)的,并且其控制方程是線性的。然而在method研究城區(qū)有毒氣體泄漏時,由于在街區(qū)峽谷中氣體GUOShaodong1,2,YANGRui1,WENGWenguo1[5]擴散和輸運呈現(xiàn)極強的非線性和特殊的規(guī)律,使(1.CentreforPublicSafetyResearch,Depart
5、mentof得采用直接求解反問題的方法十分困難。EngineeringPhysics,TsinghuaUniversity,20世紀90年代,遺傳算法、模擬退火算法等優(yōu)Beijing100084,China;2.DepartmentofEngineeringMechanics,SchoolofAerospace,化方法被應用于工業(yè)反設(shè)計,由于這類算法避免了TsinghuaUniversity,Beijing100084,China)直接對微分方程反問題的數(shù)值求解,使得求解反問[6][7]Abstract:Whentoxicgasaccidentallyreleas
6、esintheurban題的范圍得以擴展。Wang、McKinney等在水environment,accuratelyandrapidlylocatingandidentifyingthe文、地表水污染研究中采用遺傳算法進行模型參數(shù)sourceisanimportantissuetopredictandconfirmthegasdispersion[8]andtheaffectedareas.Withtheobservationsofthesensors識別。Horne等用遺傳算法研究了地震測量數(shù)據(jù)distributedovertheurbanareasandth
7、econcentrationspredictedby各向異性參數(shù)的反演方法。采用這種方法不能綜合anatmosphericdispersionmodel,alikelihoodfunctionwas考慮預測模型和試驗數(shù)據(jù)的誤差,無法有效充分利assigned,withwhichMarkovchainMonteCarlo(MCMC)samplingbasedonBayesianinferencewasusedtoinverttheparameters,用先驗性的信息,也無法給出反演參數(shù)的不確定度includingthesourcelocationandthedisp
8、ersio
