遗传算法动态修正核素大气扩散模型的适应度函数研究

放射性核素大气扩散模型中，基于示踪实验获得的经验扩散参数依赖于具体的实验条件，在事故条件下，由于风场、大气湍流、地表状态等与实验条件存在差异，经验扩散参数难以准确反映实际扩散过程。为了弥补这一不足，可以以经验参数为先验值，使用实际观测数据对其进行实时动态修正。本文基于遗传算法，建立动态修正模型，通过数值模拟得到4种适应度函数对修正结果的影响。结果表明，根据观测误差设置不同权重的适应度函数修正效果更好。在此基础上，使用Kincaid实验数据集进行模型预测能力的验证，结果表明，使用遗传算法对拉格朗日扩散模型中的扩散参数进行修正，可明显提高扩散模型的预测能力。