【气体扩散】基于改进的遗传算法求解高斯烟羽模型模拟气体扩散含Matlab代码

​1 简介

随着化工行业的持续发展，化工气体的用量也在持续增长，而铁路承载了相当一部分的气体运输量。因此，对于气体类危险货物铁路运输危险性评估具有十分重要的意义。铁路运输的模式与公路运输有着较大的差异，由于铁路运输易燃气体通常为远距离，大运量。所以，每一辆装载有易燃气体的列车都是潜在的泄漏源，在长途运输过程中具有较高的危险性。如今，全社会对风险管控愈加重视，虽然气体泄漏事件发生概率较小，但以铁路的运输量来看，危险气体一旦泄漏，其毒性将会对运输线周围地区居民的生命财产产生严重威胁，并且危害环境。现今城市高层建筑较多，因此，当危险气体一旦发生泄漏，对其扩散高度进行仿真预测，对于建立危险气体应急预案，支持后续救援工作以及完善危险货物运输安全管理系统具有重要的现实意义。本文采样自适应遗传和粒子群算法分别对高斯烟羽模型气体扩散优化问题进行求解。

目前，国内外气象学家研究和发展了许多的大气扩散模型，其中，研究较为成熟的有以下几种：高斯模型、Sutton 模型、Pasquill-Gifford 模型和目前运用较多的重气扩散模型等。我国大气扩散模型在我国大气环境影响、环境规划、总量控制中，一般均以高斯正态模式为基础，高斯模型为第一代大气扩散模型，法规模式主要包括有风点源扩散模式、小风和静风点源扩散模式、长期平均浓度求算模式、熏烟模式、海岸熏烟模式、多源排放模式、面源模式、体源模式、尘模式和非正常排放模式等。平坦地形下污染物的扩散基本可以用高斯模型来模拟。高斯模型以其简单、快速而较好地物质的扩散浓度分布而被广泛的应用，ISC （Industrial Source Complex） 就是在高斯模型的基础上发展而来的，由美国环境保护署 CUS （Environmental Pro－tection Agency，EPA) 和美国气象学会 （American