基于非线性映照遗传算法的空气质量评价模型

王海波

摘 要：随着科技产业的发展，人类对自然环境的开发利用也越来越频繁。空气中大气污染以及雾霾天气等问题的频发，给人们带来了环境危机意识。现阶段，人们对空气质量的评价不仅代表着对周围工业园区污染物排放量的监测，同时还能根据周围环境问题对空气质量的变化进行预测。而非线性映照遗传算法通过对天气变化的相关预测，构建了空气质量的预测研究模型，对人类生存呼吸的大气环境有重要的监测意义。基于此，文章着重探究了非线性映照遗传算法对空气质量评价模型。

关键词：遗传算法；空气质量；评价研究

中图分类号：X823 文献标志码：A 文章编号：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

生态环境的破坏造成了大气层的污染，在各种资源、能源高速消耗的今天，环境的危机意识让我国在发展生产力的同时也在不断提高对生态环境的保护意识。生态系统是人类赖以生存的家园，也是国家实现可持续发展战略计划的根本。然而，科技工业的发展离不开对生态环境的利用，高消耗、高污染的经济发展模式还是无可避免的对生态系统造成了极大的污染。且污染一旦造成，就无法让环境回到一开始的状态了，因此，污染的防治和绿色生态的环境保护势在必行。在如何环境保护的问题中，通过对环境参数、历史数据的分析，预测污染的排放情况，提前做好预防措施可以有效保护环境。

在保护生态系统，研究污染的防治的同时，我们可以通过各种各样的方法对大气中的空气质量进行计算评价。本文旨在通过利用MATLAB的遗传算法工具箱，对高维空间的空气质量的评价样本数据实现二维空间的非线性映照；通过对空气质量模型的分析表明，该模型相较于其他的评价方式对数据的表达更加清晰、直观。

1 非线性映照遗传算法于评价模式的基本理论

1.1 遗传算法 GA（Genetic Algorithm）的基本原理

（1）遺传算法的概念

所谓遗传算法，其是在达尔文进化论、遗传学原理以及自然选择的基础上，所创造出来的一种人工智能计算模型。其能够对生物进化的过程中进行快速的模拟，启发式的随机搜索寻求最优解的方法，在某种程度上来说，遗传算法是一个交叉学科知识的深度融合。【Genetic 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）遗传算法的公式描述

1.3 评价模型的基本概念

起先，应当对大气当中的空气污染物质进行日平均浓度时限值的分级，之后与需要评价的样本数据构造成高维空间数据点Yi（Yi1，Yi2，…，Yin）， 其二维显示的对应点是Xi（Xi1，Xi2）。将其作为样本数据，从而将高维数据映射到了二维空间之中——使用遗传算法“取得”的结果图，根据类比的思维，判读样本数据质量等级的模型。

2 评价实例

2.1 评价标准

空气污染物每天的平均浓度时限值（GB3095-1996）体现在下表1之中。

2.2 实例

评价实例引用了相关文献[3]，列在下表1当中。

2.3 计算与判读

本文当中所使用的是MATLAB7.0遗传算法工具箱，在解决的过程中更为的快捷方便。根据表1当中的相关数据，有十一个三维样本，根据公式（3）所编写出的目标函数，也就是映射过程中的误差函数。之后使用gatool进行计算，实际过程需要参考文献[2]进行参考。

将遗传算法的GUI打开，并且在其中的“fitness function”窗口当中键入@myfun，将变量数目22（映射维数×样本数）输入到“number function”窗口当中。在“Stopping criteria”这一选项之中，将“generation”设置成300，将“fitness limit”设置成0.01，将“stall time limit”设置成150，将“stall generationd”设置成350。其余数值参数选择缺省值，之后点击“Start”……

根据图1进行分析，可以读出来大体类别归属为：GB-I{6、5}、GB-II{6、1、4、7}、GB-III{3、2}，也就是评价的结果，体现在表1当中。

从表1当中能够分析出，基于非线性映照遗传算法的评价方式，相较于表1当中的其余方法是具备可比性的。

3 结束语

（1）在二维空间之上，对将要评价的样本构造和控制质量三级的高维数据，进行非线性映照。在实施的过程中对MATLAB遗传算法工具箱进行妥善的使用，并且通过进行二维图像的判读，来评定各侧地点当中的空气质量。

（2）聚类是非线性映照空气质量评价模型的实质，对

高维数据进行一定的转化，将其转变为标准的距离以及二维可视化的点，从而使分级得以实现。

（3）很明显，上述将各环境指标当做等权。并且能够結合不一样的需求，进行变权。

（4）在通常情况下，环境工作人员对MATLAB语言进行一定程度的学习，牢记“输入”、“输出”这两个方面，根据“照猫画虎”的方法，就能够十分便利的进行操作，有效的完成工作。

参考文献：

[1]李峰，张会，杨海波.基于非线性映照遗传算法的空气质量评价模型[J].中国科技信息，2010（02）：35-36.

[2]詹罗成.档案库房空气质量标准及调控研究[D].云南大学，2011.

[3]薛文博，王金南，杨金田，等.国内外空气质量模型研究进展[J].环境与可持续发展，2013，38（03）：14-20.

[4]李祚泳，汪嘉杨，邬敏.基于鱼群算法优化的空气质量评价普适模型[J].环境工程，2008：26（5）：80-82+19.