[发明专利]一种大气污染管控方案优化方法

权利要求书

1.一种大气污染管控方案优化方法，其特征在于，所述优化方法包括：

从现有大气污染管控政策中选取待优化的政策参数，建立大气污染管控政策工具箱；

基于大气污染管控政策工具箱，利用Vensim软件将所述政策工具箱中的政策加入软件中建立政策模块，构造多情景集成模型，用于环境政策的模拟，评估和分析；

随后在python软件中导入所述多情景集成模型，利用python软件建立基于kriging代理模型的仿真优化算法，优化大气污染管控政策方案；随后输出优化后的方案。

2.根据权利要求1所述的大气污染管控方案优化方法，其特征在于，所述步骤“优化大气污染管控方案”进一步包括：

步骤101：确定所述多情景集成模型中待优化的政策参数x_i(i＝1,2,…,n)及各所述参数对应的取值范围，构成政策参数组合x1)

政策参数组合x＝(x₁,x₂,x₃,…,x_n) (1)

步骤102：在所述取值范围内使用拉丁超立方体抽样方法选取初始数量的政策参数组合样本点，运行多情景集成模型进行仿真，得到包括多个政策参数组合x和对应的目标函数值y的初始数据集；其中，政策参数组合x经多情景集成模型进行仿真后，仿真结果为空气污染指标和经济指标等输出指标，对输出指标进行线性加权计算从而得到目标函数值y；其中政策参数组合x和目标函数值y的逻辑关系为目标函数f，优化目标为使得目标函数值y取值最大，所述优化目标包括空气污染指标和经济指标，即：使得环境减排效果最好且对经济的负面影响最小，此时政策实施效果达到环境治理和经济发展的双赢；

步骤103：基于获得的初始数据集建立kriging代理模型；

步骤104：通过粒子群优化算法最大化采集函数，基于期望改进准则在最有可能获得最优解的位置进行采样；

步骤105：在选定的采样点处获取新的政策参数组合x，继续运行多情景集成模型进行仿真，获取其真实的目标函数值y并将其加入数据集；

步骤106：基于更新的数据集更新kriging代理模型；

步骤107：重复迭代步骤104-106，不断优化kriging代理模型，直到每次采样获取的政策参数组合x所对应的目标函数值y趋于稳定，即优化收敛；

步骤108：当所述目标函数值y趋于稳定，即认为所述优化目标完成收敛，获得优化的大气污染管控方案。

3.根据权利要求1所述的大气污染管控方案优化方法，其特征在于，所述政策模块包括产业政策子模块、能源政策子模块、技术政策子模块和经济政策子模块。