王海波

摘 要：隨著科技產(chǎn)業(yè)的發(fā)展，人類對自然環(huán)境的開發(fā)利用也越來越頻繁。空氣中大氣污染以及霧霾天氣等問題的頻發(fā)，給人們帶來了環(huán)境危機(jī)意識?，F(xiàn)階段，人們對空氣質(zhì)量的評價(jià)不僅代表著對周圍工業(yè)園區(qū)污染物排放量的監(jiān)測，同時(shí)還能根據(jù)周圍環(huán)境問題對空氣質(zhì)量的變化進(jìn)行預(yù)測。而非線性映照遺傳算法通過對天氣變化的相關(guān)預(yù)測，構(gòu)建了空氣質(zhì)量的預(yù)測研究模型，對人類生存呼吸的大氣環(huán)境有重要的監(jiān)測意義?；诖?，文章著重探究了非線性映照遺傳算法對空氣質(zhì)量評價(jià)模型。

關(guān)鍵詞：遺傳算法；空氣質(zhì)量；評價(jià)研究

中圖分類號：X823 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2018）27-0008-03

Abstract： With the development of science and technology industry， the development and utilization of the natural environment is becoming increasingly frequent. The frequent occurrence of air pollution and hazy weather bring people the awareness of environmental crisis. At present， the evaluation of air quality not only represents the monitoring of the emissions of pollutants from industrial parks around， but also predicts the changes of air quality according to the environmental problems. The nonlinear mapping genetic algorithm constructs the air quality prediction research model through the correlation forecast to the weather change， which has a vital monitoring significance to the atmospheric environment where human kind breathes. Based on this， this paper focuses on the nonlinear mapping genetic algorithm for air quality assessment model.

Keywords： genetic algorithm； air quality； evaluation research

引言

生態(tài)環(huán)境的破壞造成了大氣層的污染，在各種資源、能源高速消耗的今天，環(huán)境的危機(jī)意識讓我國在發(fā)展生產(chǎn)力的同時(shí)也在不斷提高對生態(tài)環(huán)境的保護(hù)意識。生態(tài)系統(tǒng)是人類賴以生存的家園，也是國家實(shí)現(xiàn)可持續(xù)發(fā)展戰(zhàn)略計(jì)劃的根本。然而，科技工業(yè)的發(fā)展離不開對生態(tài)環(huán)境的利用，高消耗、高污染的經(jīng)濟(jì)發(fā)展模式還是無可避免的對生態(tài)系統(tǒng)造成了極大的污染。且污染一旦造成，就無法讓環(huán)境回到一開始的狀態(tài)了，因此，污染的防治和綠色生態(tài)的環(huán)境保護(hù)勢在必行。在如何環(huán)境保護(hù)的問題中，通過對環(huán)境參數(shù)、歷史數(shù)據(jù)的分析，預(yù)測污染的排放情況，提前做好預(yù)防措施可以有效保護(hù)環(huán)境。

在保護(hù)生態(tài)系統(tǒng)，研究污染的防治的同時(shí)，我們可以通過各種各樣的方法對大氣中的空氣質(zhì)量進(jìn)行計(jì)算評價(jià)。本文旨在通過利用MATLAB的遺傳算法工具箱，對高維空間的空氣質(zhì)量的評價(jià)樣本數(shù)據(jù)實(shí)現(xiàn)二維空間的非線性映照；通過對空氣質(zhì)量模型的分析表明，該模型相較于其他的評價(jià)方式對數(shù)據(jù)的表達(dá)更加清晰、直觀。

1 非線性映照遺傳算法于評價(jià)模式的基本理論

1.1 遺傳算法 GA（Genetic Algorithm）的基本原理

（1）遺傳算法的概念

所謂遺傳算法，其是在達(dá)爾文進(jìn)化論、遺傳學(xué)原理以及自然選擇的基礎(chǔ)上，所創(chuàng)造出來的一種人工智能計(jì)算模型。其能夠?qū)ι镞M(jìn)化的過程中進(jìn)行快速的模擬，啟發(fā)式的隨機(jī)搜索尋求最優(yōu)解的方法，在某種程度上來說，遺傳算法是一個(gè)交叉學(xué)科知識的深度融合?！綠enetic algorithm is a simulation Darwin the evolution and its process of natural selection and genetics theory calculation model of a kind of artificial intelligence， it through the simulation of biological evolution process， heuristic random search for optimal solution method， to some extent， the depth of the genetic algorithm （ga） is an interdisciplinary knowledge integration.】

（2）遺傳算法的公式描述

1.3 評價(jià)模型的基本概念

起先，應(yīng)當(dāng)對大氣當(dāng)中的空氣污染物質(zhì)進(jìn)行日平均濃度時(shí)限值的分級，之后與需要評價(jià)的樣本數(shù)據(jù)構(gòu)造成高維空間數(shù)據(jù)點(diǎn)Yi（Yi1，Yi2，…，Yin）， 其二維顯示的對應(yīng)點(diǎn)是Xi（Xi1，Xi2）。將其作為樣本數(shù)據(jù)，從而將高維數(shù)據(jù)映射到了二維空間之中——使用遺傳算法“取得”的結(jié)果圖，根據(jù)類比的思維，判讀樣本數(shù)據(jù)質(zhì)量等級的模型。

2 評價(jià)實(shí)例

2.1 評價(jià)標(biāo)準(zhǔn)

空氣污染物每天的平均濃度時(shí)限值（GB3095-1996）體現(xiàn)在下表1之中。

2.2 實(shí)例

評價(jià)實(shí)例引用了相關(guān)文獻(xiàn)[3]，列在下表1當(dāng)中。

2.3 計(jì)算與判讀

本文當(dāng)中所使用的是MATLAB7.0遺傳算法工具箱，在解決的過程中更為的快捷方便。根據(jù)表1當(dāng)中的相關(guān)數(shù)據(jù)，有十一個(gè)三維樣本，根據(jù)公式（3）所編寫出的目標(biāo)函數(shù)，也就是映射過程中的誤差函數(shù)。之后使用gatool進(jìn)行計(jì)算，實(shí)際過程需要參考文獻(xiàn)[2]進(jìn)行參考。

將遺傳算法的GUI打開，并且在其中的“fitness function”窗口當(dāng)中鍵入@myfun，將變量數(shù)目22（映射維數(shù)×樣本數(shù)）輸入到“number function”窗口當(dāng)中。在“Stopping criteria”這一選項(xiàng)之中，將“generation”設(shè)置成300，將“fitness limit”設(shè)置成0.01，將“stall time limit”設(shè)置成150，將“stall generationd”設(shè)置成350。其余數(shù)值參數(shù)選擇缺省值，之后點(diǎn)擊“Start”……

根據(jù)圖1進(jìn)行分析，可以讀出來大體類別歸屬為：GB-I{6、5}、GB-II{6、1、4、7}、GB-III{3、2}，也就是評價(jià)的結(jié)果，體現(xiàn)在表1當(dāng)中。

從表1當(dāng)中能夠分析出，基于非線性映照遺傳算法的評價(jià)方式，相較于表1當(dāng)中的其余方法是具備可比性的。

3 結(jié)束語

（1）在二維空間之上，對將要評價(jià)的樣本構(gòu)造和控制質(zhì)量三級的高維數(shù)據(jù)，進(jìn)行非線性映照。在實(shí)施的過程中對MATLAB遺傳算法工具箱進(jìn)行妥善的使用，并且通過進(jìn)行二維圖像的判讀，來評定各側(cè)地點(diǎn)當(dāng)中的空氣質(zhì)量。

（2）聚類是非線性映照空氣質(zhì)量評價(jià)模型的實(shí)質(zhì)，對

高維數(shù)據(jù)進(jìn)行一定的轉(zhuǎn)化，將其轉(zhuǎn)變?yōu)闃?biāo)準(zhǔn)的距離以及二維可視化的點(diǎn)，從而使分級得以實(shí)現(xiàn)。

（3）很明顯，上述將各環(huán)境指標(biāo)當(dāng)做等權(quán)。并且能夠結(jié)合不一樣的需求，進(jìn)行變權(quán)。

（4）在通常情況下，環(huán)境工作人員對MATLAB語言進(jìn)行一定程度的學(xué)習(xí)，牢記“輸入”、“輸出”這兩個(gè)方面，根據(jù)“照貓畫虎”的方法，就能夠十分便利的進(jìn)行操作，有效的完成工作。

參考文獻(xiàn)：

[1]李峰，張會，楊海波.基于非線性映照遺傳算法的空氣質(zhì)量評價(jià)模型[J].中國科技信息，2010（02）：35-36.

[2]詹羅成.檔案庫房空氣質(zhì)量標(biāo)準(zhǔn)及調(diào)控研究[D].云南大學(xué)，2011.

[3]薛文博，王金南，楊金田，等.國內(nèi)外空氣質(zhì)量模型研究進(jìn)展[J].環(huán)境與可持續(xù)發(fā)展，2013，38（03）：14-20.

[4]李祚泳，汪嘉楊，鄔敏.基于魚群算法優(yōu)化的空氣質(zhì)量評價(jià)普適模型[J].環(huán)境工程，2008：26（5）：80-82+19.