化学事故应急响应的大气源强反算研究

摘要

在化学事故应急响应与应急处置中，需利用大气扩散模型确定危险化学品的影响区域，为应急救援提供决策支持，具有十分重要的意义。而危险化学品的泄露源强度是大气扩散模型的重要输入参数之一，影响着大气扩散模型运行结果的准确程度，从而影响应急决策的准确性。 本文归纳了现有的大气源强反算方法，分别针对不同方法的内容、特点和适用范围进行了分析和总结，并结合其在实际案例中的应用比较，对各方法的反算思想和求解过程进行了比较和分析，提出了各源强反算方法的优点和不足。针对牛顿-拉夫森算法、神经网络算法、遗传算法等进行了实例计算和对比。对已知扩散机理的过程，牛顿-拉夫森算法模拟过程快速有效，模拟结果在很短的时间内逼近了源强的真实值，证明了模型的正确性和有效性，与其他方法相比，该方法具有计算时间短、准确度高的特点，符合应急响应过程的需要，建议在应急响应体系中使用该方法进行大气源强的反算；而对未知扩散机理的过程，则必须采用神经网络算法等人工智能的方法进行处理。

目录

文摘

英文文摘

声明

第1章 绪论

1.1 研究应急响应的意义

1.2 应急响应系统的研究现状

1.2.1 SAFER系统

1.2.2 GASTAR系统

1.2.3 NARAC系统

1.2.4 HGSYSTEM系统

1.2.5 NAME系统

1.3大气扩散模型的研究现状

1.3.1 ARCHIE

1.3.2 ALOHA

1.3.3 SLAB

1.4 大气源强反算研究的目的及意义

第二章源强反算方法

2.1源强反算方法概述

2.1.1已知扩散机理的源强反算方法

2.1.2未知扩散机理的源强反算方法

2.2各种算法的讨论

第三章源强反算过程

3.1已知扩散机理的源强反算过程

3.1.1气体扩散方程概述

3.1.2牛顿-拉夫森法反算过程

3.1.3黄金分割搜索算法反算过程

3.1.4遗传算法反算过程

3.2未知扩散机理的源强反算过程

3.2.1人工神经网络法反算过程

3.2.2结合遗传算法的神经网络法反算过程

第四章源强反算方法比较

4.1牛顿-拉夫森法

4.2黄金分割搜索算法

4.3遗传算法

4.4神经网络算法

4.5 应用结果比较

第五章结论及建议

参考文献

致谢

研究成果及发表的学术论文

作者和导师介绍