基于逆向概率密度函数的一维污染源排放重构

应用逆向概率密度函数进行一维对流扩散方程污染释放过程重构,给出了采用逆向概率与传统优化过程的流程图和主要区别。采用逆向概率密度函数进行污染源重构,其微分方程求解次数等于观测数据量,有效地降低了数值计算量。应用逆向概率密度函数结合优化算法针对一维对流扩散方程中正态波式和矩形波式的污染源排放过程重构的仿真结果显示:对于1～2个污染物正态函数波释放过程,采用一到两个监测点即可准确得辨识出主要参数;3个正态函数波释放过程,采用3个监测点,辨识结果仍有一定误差,可能与模型的非线性特征或释放过程波的相互干扰有关。矩形波释放过程,采用三个监测能准确辨识出所有参数。     

基于逆向概率密度函数的污染云团空间重构

利用逆向概率密度函数与浓度的关系,对逆向概率密度函数与初始浓度场进行卷积即可得到观测点的浓度值。建立了通过逆向概率密度微分方程求解观测点浓度值的数值模型,并通过算例验证了该方法的正确性。在此基础上,建立了基于逆向概率密度函数的污染云团空间重构模型,并采用扫描法进行最优解的搜索。该方法效率高,且得到的解是空间内的全局最优解。通过2维空间重构算例的仿真,对比研究了不同监测点数量时污染云团空间重构性能,发现两个及以上测点情况下,计算结果可靠性高,抗噪能力强。