气动学基于matlab改进的遗传和粒子群算法高斯烟羽模型模拟气体扩散含Matlab源码 1061期

Posted 紫极神光

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了气动学基于matlab改进的遗传和粒子群算法高斯烟羽模型模拟气体扩散含Matlab源码 1061期相关的知识,希望对你有一定的参考价值。

一、获取代码方式

获取代码方式1:
完整代码已上传我的资源:【气动学】基于matlab改进的遗传和粒子群算法高斯烟羽模型模拟气体扩散【含Matlab源码 1061期】

获取代码方式2:
通过紫极神光博客主页开通CSDN会员,凭支付凭证,私信博主,可获得此代码。

获取代码方式3:
通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码。

备注:开通CSDN会员,仅只能免费获得1份代码(有效期为开通日起,三天内有效);
订阅紫极神光博客付费专栏,可免费获得2份代码(有效期为订阅日起,三天内有效);

二、高斯烟羽模型简介

1 高斯羽烟模型方程

式中c为污染物浓度(单位:kg/m3)
Q为源强(单位:kg/s)
u为泄漏高度的平均风速(单位:m/s)
y、z分别用浓度标准偏差表示的y轴及z轴上的扩散参数
H为泄漏有效高度(单位:m)

2 扩散系数系数

三、部分源代码

clc;clear;close all;
[xm1,xv1,a1] = mGA(100,2,1000,500,0);
[xm2,xv2,a2] = mPSO(1000,2,2,0.9,0.4,500,3);
[x_zuobiao,y_zuobiao]= gaosiyanyu(5,10,10000.5);
function [xm,xv,accuracy] = mGA(popsize,lenchrom,maxgen,popmax,popmin)
%-------------遗传算法解泄漏源点,效果最好
%% 输入参数
% popsize %种群规模
% lenchrom   %变量字串长度
% maxgen   % 进化次数  
% popmax % 种群最大值
% popmin   % 种群最小值
%% 输出参数
% xm 泄漏源坐标,针对泄漏源坐标,论文只考虑地面坐标即xm(1)=x和xm(2)=y
% xv泄漏源强估计值,主要检验方法的有效性
% accuracy方法精确度(%)
bound=[popmin popmax;popmin popmax];  %变量范围
%% 产生初始粒子和速度
for i=1:popsize
    %随机产生一个种群
    GApop(i,:)=Code(lenchrom,bound);       %随机产生个体
    %计算适应度
    fitvalue(i)=fitness(GApop(i,:));            %染色体的适应度
end

%找最好的染色体
[bestfitness,bestindex]=min(fitvalue);
xm=GApop(bestindex,:);   %全局最佳
gbest=GApop;                %个体最佳
fitnessgbest=fitvalue;       %个体最佳适应度值
xv=bestfitness;   %全局最佳适应度值

%% 迭代寻优
for i=1:maxgen
        %种群更新 GA选择更新
        GApop=Select(GApop,fitvalue,popsize); % 其中Select为选择算子函数

        % 交叉操作 GA
        pc=i/maxgen; % maxgen  进化次数  
        GApop=Cross(pc,lenchrom,GApop,popsize,bound); % 其中Cross为交叉算子函数

        % 变异操作 GA变异
        pm=i/maxgen;
        GApop=Mutation(pm,lenchrom,GApop,popsize,[i maxgen],bound);

        pop=GApop;
        
      for j=1:popsize
        %适应度值即变量约束条件
        if 1*pop(j,1)+0*pop(j,2)<=5000
            if (0*pop(j,1)+1*pop(j,2)<=200) && (0*pop(j,1)-1*pop(j,2)>=-200)
                    fitvalue(j)=fitness(pop(j,:));
            end
        end
        %个体最优更新
        if fitvalue(j) < fitnessgbest(j)
            gbest(j,:) = pop(j,:);
            fitnessgbest(j) = fitvalue(j);
        end
        
        %群体最优更新
        if fitvalue(j) < xv
            xm = pop(j,:);
            xv = fitvalue(j);
        end
      end
    
    yy(i)=xv;     
end

%% 作图分析
Q = 10000.5;%泄漏源强
accuracy = abs(Q-xv)/Q;
figure;plot(yy,'linewidth',2);hold on
xlabel('进化代数');ylabel('适应度');
title('改进GA算法收敛曲线');
legend('权重自适应GA算法')
grid on
[x,y,C] = point;
figure;mesh(x,y,C);
xlabel('x轴下风向距离(m)');ylabel('y轴向距离(m)');zlabel('气体扩散浓度')
figure;surf(x,y,0*C,C,'edgecolor','none','facecolor','interp');hold on;plot(xm(1),xm(2),'r.','MarkerSize',10)
xlabel('x轴下风向距离(m)');ylabel('y轴向距离(m)');
end

%% 检测函数
function V=fitness(v)
%% 输入参数
x = v(:,1); % 表示泄漏源的x值
y = v(:,2);  % 表示泄漏源的y值
%% 输出参数
% V 表示最佳适应度值,同时表示迭代过程中的泄露源强值
c = [112.3840,99.0546,51.0527,8.7177,19.9691,257.4304,...
    当然也可以只采用四个;
u = 5;% 风速
Hr = 10; %泄漏点有效高度
z = 0;%高度
Q = 10000.5;%泄漏源强

% 大气稳定度
A 
B1=0.16;B2=0.0001;B3=0.12;
C1=0.11;C2=0.0001;C3=0.08;C4=0.0002;
D1=0.08;D2=0.0001;D3=0.06;D4=0.0015;
E1=0.06;E2=0.0001;E3=0.03;E4=0.0003;
F1=0.04;F2=0.0001;F3=0.016;F4=0.0003;
% 选择大气稳定度
w = 'F'; % 如果w = 'A';就表示选择大气稳定度为A的情况进行研究,类似地,w = 'B';等。
switch w
% 大气稳定度
A1=0.22;A2=0.0001;A3=0.20;
B1=0.16;B2=0.0001;B3=0.12;
C1=0.11;C2=0.0001;C3=0.08;C4=0.0002;
D1=0.08;D2=0.0001;D3=0.06;D4=0.0015;
E1=0.06;E2=0.0001;E3=0.03;E4=0.0003;
F1=0.04;F2=0.0001;F3=0.016;F4=0.0003;
% 选择大气稳定度
w = F; % 如果w = 'A';就表示选择大气稳定度为A的情况进行研究,类似地,w = 'B';等。
switch w
    case 'A'
        
        Ty = ty1*x.*(1+ty2*x).^-0.5;%水平扩散系数
        Tz = tz1*x;%垂直扩散系数
    case 'B'
        ty1=B1;ty2=B2;tz1=B3;
        Ty = ty1*x.*(1+ty2*x).^-0.5;%水平扩散系数
        Tz = tz1*x;%垂直扩散系数
    case 'C'
        ty1=C1;ty2=C2;tz1=C3;tz2=C4;
        Ty = ty1*x.*(1+ty2*x).^-0.5;%水平扩散系数
        Tz = tz1*x.*(1+tz2*x).^-0.5;%垂直扩散系数
    case 'D'
        ty1=D1;ty2=D2;tz1=D3;tz2=D4;
        Ty = ty1*x.*(1+ty2*x).^-0.5;%水平扩散系数
        Tz = tz1*x.*(1+tz2*x).^-0.5;%垂直扩散系数
    case 'E'
        ty1=E1;ty2=E2;tz1=E3;tz2=E4;
        Ty = ty1*x.*(1+ty2*x).^-0.5;%水平扩散系数
        Tz = tz1*x.*(1+tz2*x).^-0.5;%垂直扩散系数
    case 'F'
        ty1=F1;ty2=F2;tz1=F3;tz2=F4;
        Ty = ty1*x.*(1+ty2*x).^-0.5;%水平扩散系数
        Tz = tz1*x.*(1+tz2*x).^-0.5;%垂直扩散系数
end
  %% 检测函数
function Q=fit(u1,hr,data,F)
%% 输入参数
x = data(:,2); % 表示泄漏源的x值
y = data(:,3);  % 表示泄漏源的y值
%% 输出参数
% V 表示最佳适应度值,同时表示迭代过程中的泄露源强值
% c = [112.3840,99.0546,51.0527,8.7177,19.9691,257.4304,...
%     53.4442,51.7675,43.7906,28.0270,34.9047,66.5592,...
%     27.5724,27.1807,25.2141,20.6378,22.8799]; % 监测到的浓度,我们用了17个,当然也可以只采用四个;
c=data(:,1);
u = u1;% 风速
Hr = hr; %泄漏点有效高度
z = 0;%高度

四、运行结果







五、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 门云阁.MATLAB物理计算与可视化[M].清华大学出版社,2013.

以上是关于气动学基于matlab改进的遗传和粒子群算法高斯烟羽模型模拟气体扩散含Matlab源码 1061期的主要内容,如果未能解决你的问题,请参考以下文章

运动学基于改进的遗传和粒子群算法高斯烟羽模型模拟气体扩散matlab源码

运动学基于matlab改进的遗传和粒子群算法高斯烟羽模型模拟气体扩散含Matlab源码 1061期

运动学基于matlab GUI改进的遗传算法和高斯烟羽模型模拟气体扩散含Matlab源码 1060期

路径规划基于matlab Beizer和改进的粒子群算法风环境下翼伞航迹规划含Matlab源码 199期

运动学基于改进的遗传算法和高斯烟羽模型模拟气体扩散

运动学基于改进的遗传算法和高斯烟羽模型模拟气体扩散