[发明专利]一种基于遗传算法的城市PM2.5双目标控制策略优化算法

权利要求书

1.一种基于遗传算法的城市PM_2.5双目标控制策略优化算法，包括以下步骤：

步骤S1，根据研究城市排放源清单划分排放源单位，并基于空气质量模式REGAEMS模拟各排放源单位污染源对PM_2.5具体组分浓度贡献的源与受体的响应关系；

步骤S2，结合PM_2.5减排措施和减排成本，以污染物排放量和城市排放源分别相对受体的响应关系为输入，以研究城市减排成本最小和排放量最大为目标函数，以空气质量达标为约束条件建立减排模型；

步骤S3，利用遗传算法NSGA-Ⅱ对步骤S2建立的减排模型进行求解，得到减排模型解集，进而得到研究城市不同地区、不同行业各污染物减排比例，从而确定污染源减排清单；

步骤S4，依据步骤S3得到的计算结果，利用空气质量模型对减排后的排放清单重新模拟，判断PM_2.5浓度是否达到空气标准，评估减排方案的有效性和可靠性，筛选出PM_2.5浓度达标下，减排成本最小和排放量最大的可行减排方案。

2.根据权利要求1所述基于遗传算法的城市PM_2.5双目标控制策略优化算法，其特征在于：步骤S1中所述各污染源包括不同行业污染源和不同污染物组分污染源，并存储在同一排放源文件中。

3.根据权利要求1所述基于遗传算法的城市PM_2.5双目标控制策略优化算法，其特征在于：步骤S2所述减排模型考虑不同源区、不同行业源和不同物种组分，并通过式(1)计算城市最大排放量Max f₁，

式中，i为不同源区的序号，L为源区的数量，j为不同行业源的序号，M为行业源数量，s为不同物种组分的序号，N为物种数量，X_i,j,s为允许减排比，Emiss_i,j,s为排放量。

4.根据权利要求1所述基于遗传算法的城市PM_2.5双目标控制策略优化算法，其特征在于：步骤S2所述减排模型考虑不同源区、不同行业源和不同物种组分，并通过式(2)计算城市排放成本Min f₂，

式中，Cost_i,j,s为单位减排成本，i为不同源区的序号，L为源区的数量，j为不同行业源的序号，M为行业源数量，s为不同物种组分的序号，N为物种数量，X_i,j,s为允许减排比，Emiss_i,j,s为排放量。

5.根据权利要求1所述基于遗传算法的城市PM_2.5双目标控制策略优化算法，其特征在于：步骤S2所述减排模型考虑不同源区、不同行业源和不同物种组分，并通过式(3)确定约束条件，

式中，上角标r是源区的序号，为不同源区、行业或物种对受体城市r的贡献浓度，为空气质量目标，为背景不可控浓度，i为不同源区的序号，L为源区的数量，j为不同行业源的序号，M为行业源数量，s为不同物种组分的序号，N为物种数量，X_i,j,s为允许减排比。

6.根据权利要求1所述基于遗传算法的城市PM_2.5双目标控制策略优化算法，其特征在于：所述遗传算法NSGA-Ⅱ的步骤及参数确定如下：

步骤1，所述遗传算法NSGA-Ⅱ通过随机生成种群规模为初始规模为300的种群启动，世代数设定为200；

步骤2，以研究城市减排成本最小和排放量最大为目标函数对种群评估，计算约束条件下种群中所有个体的适应度；

步骤3，采用秩选择法为下一代选择亲本，规定最优个体系数为0.3，适应度函数偏差为10^-100，选择适应度高的个体参与遗传操作形成新一代种群，并在多代中重复步骤2，直到达到最大代数200，将后代中排放成本最小的基础上排放量最大的个体作为遗传算法的执行结果。