氣態(tài)固定污染源的逆向辨識.pdf

1、當室內(nèi)發(fā)生氣載污染物的突發(fā)釋放時，及時確定污染源的位置、強度及釋放時間等信息對于消除污染物對室內(nèi)人員的影響起著至關重要的作用?；谟邢薜臐舛缺O(jiān)測數(shù)據(jù)來推斷污染源信息的過程，稱為反問題建模。反問題具有不適定性，即無法同時滿足解的存在性、唯一性、以及數(shù)值解的穩(wěn)定性。目前已有的反問題研究需在辨識前對未知的污染源參數(shù)做一定假設，尚未有能夠同時對污染源位置、逐時釋放率及釋放時間聯(lián)合辨識的反問題模型。此外，現(xiàn)有研究均是針對單個污染源實施辨識，而實際

2、情況下多源釋放的狀況非常普遍。本文提出了一種正反交錯模型來實現(xiàn)上述功能，模型所需數(shù)據(jù)包括穩(wěn)定的速度場及較待辨識污染源數(shù)目多一個的傳感器監(jiān)測濃度信息。
　　所建立的正反交錯模型包含兩個子模型:用于求解逐時釋放率的矩陣逆算模型以及用于確定污染源位置與釋放時間的貝葉斯概率模型。該模型首先建立污染源所有可能位置、釋放時間取值組合的樣本數(shù)據(jù)庫，針對每一樣本點，構建出反映污染源逐時釋放率與濃度響應的因果關系矩陣。然后，基于一組監(jiān)控點濃度數(shù)據(jù)，

3、采用吉洪諾夫正則化方法獲得各樣本點與濃度監(jiān)測信息對應的逐時釋放率。假定上述各樣本均合理，解析由各樣本在另一個監(jiān)測點產(chǎn)生的濃度預測值與監(jiān)測濃度數(shù)據(jù)的匹配程度，引入貝葉斯概率模型及高斯正態(tài)分布量化由此反映的樣本存在概率。濃度匹配程度越高，則該樣本的存在概率愈大，反之則愈小，所有樣本中存在概率最大者即認定為實際污染源。上述模型亦可推廣應用于多個污染源的辨識，在解算逐時釋放率時，將多個污染源組合成等效的單個污染源即可。為驗證以上模型，分別采用二

4、維空腔的實測數(shù)據(jù)及三維客艙的CFD模擬數(shù)據(jù)開展單個污染源的辨識。針對多污染源的參數(shù)辨識問題，則以2個污染源的辨識為例，采用二維空腔算例對上述模型進行驗證。
　　結果表明，正反交錯模型能夠辨識出單個污染源的位置、釋放時間及逐時釋放率。該模型對污染源位置的辨識精度很高;但是辨識得到的逐時釋放率較實際值具有微小波動;辨識釋放時間時由于選取的時間參考點不同，常會產(chǎn)生多個解，此時需分析相應的逐時釋放率及累計釋放量，以排除逐時釋放率的微小波動