汪林 朱京海
基于遺傳算法的化工園區(qū)環(huán)境風(fēng)險(xiǎn)源優(yōu)化模式研究
汪林 朱京海
通過優(yōu)化區(qū)域規(guī)劃方案可以從根本上避免環(huán)境風(fēng)險(xiǎn),以大連某化工園區(qū)為案例,建立了基于遺傳算法的化工園區(qū)環(huán)境風(fēng)險(xiǎn)源優(yōu)化模型,從周邊敏感點(diǎn)情況、風(fēng)頻、事故發(fā)生頻率、毒性物質(zhì)的毒性級(jí)別及其儲(chǔ)存量、臨近度因子等方面對(duì)區(qū)域內(nèi)環(huán)境風(fēng)險(xiǎn)源位置進(jìn)行優(yōu)化,模型運(yùn)行結(jié)果得到該區(qū)域環(huán)境風(fēng)險(xiǎn)源位置相對(duì)坐標(biāo),從而盡量規(guī)避園區(qū)環(huán)境風(fēng)險(xiǎn),進(jìn)一步豐富了規(guī)劃環(huán)境評(píng)價(jià)技術(shù)方法。
環(huán)境風(fēng)險(xiǎn);遺傳算法;優(yōu)化
戰(zhàn)略環(huán)境評(píng)價(jià)(Strategic Environmental Assessment,SEA)應(yīng)關(guān)注在規(guī)劃和政策形成階段,通過調(diào)整規(guī)劃方案來最大限度地回避環(huán)境風(fēng)險(xiǎn);而區(qū)域環(huán)境風(fēng)險(xiǎn)的大小受敏感點(diǎn)人口密度、風(fēng)頻等多種因素影響[1];可以將多種規(guī)劃方案的環(huán)境風(fēng)險(xiǎn)進(jìn)行比較,從而選擇一個(gè)風(fēng)險(xiǎn)最小的方案,即尋找最優(yōu)解。
遺傳算法是解決搜索問題的優(yōu)秀算法,其適應(yīng)度函數(shù)不受連續(xù)、可微等條件的約束,定義域可任意設(shè)定,能夠滿足資源配置的多樣性要求。遺傳算法用于優(yōu)化問題時(shí)直接作用于目標(biāo)函數(shù),基本上不需要其他輔助信息就可以從整個(gè)種群中選擇生命力強(qiáng)的個(gè)體產(chǎn)生新的種群,對(duì)搜索空間中的多個(gè)解進(jìn)行評(píng)估[2-3],它同時(shí)處理群體中的多個(gè)個(gè)體,即從初始階段使用多個(gè)搜索點(diǎn),減少了陷入局部最優(yōu)解的風(fēng)險(xiǎn),同時(shí)算法本身易于實(shí)現(xiàn)并行化。
基于以上優(yōu)點(diǎn),作為以函數(shù)優(yōu)化為主的規(guī)劃配置問題完全可以應(yīng)用遺傳算法來進(jìn)行計(jì)算。這里以大連某化工園區(qū)為例,建立基于遺傳算法的風(fēng)險(xiǎn)源優(yōu)化模型,以期減小因規(guī)劃不合理造成的環(huán)境風(fēng)險(xiǎn)。
擬建的模型以遺傳算法為基礎(chǔ),研究在園區(qū)在每個(gè)擬建企業(yè)中,環(huán)境風(fēng)險(xiǎn)源即有毒物質(zhì)儲(chǔ)罐等風(fēng)險(xiǎn)源如何通過優(yōu)化其具體布局來減小區(qū)域環(huán)境風(fēng)險(xiǎn)。
由于突發(fā)性風(fēng)險(xiǎn)的大小與風(fēng)險(xiǎn)源的危險(xiǎn)程度、與受體的相對(duì)位置關(guān)系以及氣象和地理?xiàng)l件都有關(guān)系,因此在對(duì)潛在突發(fā)性風(fēng)險(xiǎn)源進(jìn)行優(yōu)化時(shí),這些方面都應(yīng)考慮。
篩選出6個(gè)因子來優(yōu)化該區(qū)域的風(fēng)險(xiǎn):敏感點(diǎn)情況、風(fēng)頻、事故發(fā)生頻率、毒性物質(zhì)的毒性級(jí)別及其儲(chǔ)存量和臨近度因子[4-6]。區(qū)域內(nèi)環(huán)境風(fēng)險(xiǎn)源的優(yōu)化目標(biāo)可以用到環(huán)境敏感點(diǎn)的距離和各個(gè)風(fēng)險(xiǎn)源的危險(xiǎn)系數(shù)乘積來表示,優(yōu)化的目標(biāo)是確立風(fēng)險(xiǎn)源的位置,使得目標(biāo)函數(shù)達(dá)到最小值即區(qū)域環(huán)境風(fēng)險(xiǎn)達(dá)到最小,如式(1)所示:
圖1 像素約束
式中:Ni為第i個(gè)敏感點(diǎn)的人口數(shù)量,人;Pji為j風(fēng)險(xiǎn)源相對(duì)i敏感點(diǎn)的風(fēng)頻;Rj為突發(fā)性風(fēng)險(xiǎn)事故發(fā)生的頻率;Bj為j風(fēng)險(xiǎn)源風(fēng)險(xiǎn)性物質(zhì)的毒性級(jí)別;xj、yj為第j塊用地的內(nèi)風(fēng)險(xiǎn)源位置坐標(biāo);ai、bi為第i個(gè)敏感點(diǎn)的中心點(diǎn)坐標(biāo)。
其實(shí),在式(1)里面Pji,Rj,Bj等參數(shù),均可以用一個(gè)參數(shù)來表征,這個(gè)參數(shù)就是風(fēng)險(xiǎn)值R。環(huán)境風(fēng)險(xiǎn)指突發(fā)性事故對(duì)環(huán)境(或健康)的危害程度,用風(fēng)險(xiǎn)值(R)表征。 風(fēng)險(xiǎn)值(R)指事故發(fā)生概率(P)與事故造成的環(huán)境(或健康)后果(C)的乘積,在對(duì)環(huán)境風(fēng)險(xiǎn)值R的統(tǒng)計(jì)中,已經(jīng)綜合考慮進(jìn)了風(fēng)頻及毒性級(jí)別等因素,因此,可用環(huán)境風(fēng)險(xiǎn)值R代替公式(1)中的Pji,Rj,Bj等參數(shù)的乘積,上述目標(biāo)函數(shù)簡化為模型(2):
式中:Ni為第i個(gè)敏感點(diǎn)的人口數(shù)量,人;Rj為第j塊用地的環(huán)境風(fēng)險(xiǎn)值;xj、yj為第j塊用地的內(nèi)風(fēng)險(xiǎn)源位置坐標(biāo);ai、bi為第i個(gè)敏感點(diǎn)的中心點(diǎn)坐標(biāo)。
約束條件可以用圖上的像素控制,所以模型(2)的約束條件為xj、yj必須在地塊j范圍內(nèi)。這里可以通過不同顏色的像素進(jìn)行控制,每個(gè)地塊在圖上都有不同的顏色,每個(gè)顏色都是由三原色構(gòu)成,每個(gè)像素(圖上任一點(diǎn))都是由3個(gè)字節(jié)構(gòu)成,每個(gè)字節(jié)代表1個(gè)顏色。可以通過隨機(jī)產(chǎn)生的坐標(biāo)值判斷該坐標(biāo)點(diǎn)對(duì)應(yīng)的3個(gè)字節(jié)構(gòu)成的顏色是否與圖1中給出的每個(gè)地塊顏色相同,從而判斷該隨機(jī)坐標(biāo)是否處于其所屬企業(yè)范圍內(nèi)。
算法采用C#語言編程實(shí)現(xiàn)[7-9]。
①編碼和解碼
編碼是應(yīng)用遺傳算法首先要解決的關(guān)鍵問題。采用二進(jìn)制編碼方式,定義一個(gè)長度為1h20的染色體。
②初始種群的產(chǎn)生
按照隨機(jī)生成的方法產(chǎn)生初始染色體,這里選擇的種群大小為50。
步驟1:設(shè)定隨機(jī)函數(shù)rand()%10<5,若為真則相應(yīng)的基因設(shè)置為1,否則為0。
步驟2:整條染色體將被初始化。
步驟3:按照同樣的規(guī)則依次將種群內(nèi)的其他染色體初始化。
步驟4:重復(fù)上述步驟得到初始種群的所有個(gè)體。
③適應(yīng)度函數(shù)的設(shè)計(jì)
本文的適應(yīng)度函數(shù)即為目標(biāo)函數(shù)。
④產(chǎn)生新種群
根據(jù)適應(yīng)度值的大小從種群中選擇優(yōu)良的染色體,使它們成為新一代種群。在選擇操作上,本文通過賭輪選擇法選擇個(gè)體。在該方法中各個(gè)個(gè)體的選擇概率與其適應(yīng)度成正比。其執(zhí)行步驟如下:
步驟3:最后在使用模擬賭輪選擇操作,即產(chǎn)生0到1之間的隨機(jī)數(shù),來確定各個(gè)個(gè)體被選中的次數(shù)。
⑤交叉操作
交叉是遺傳算法的最重要操作,交叉操作主要用于組合生成新的個(gè)體,在解空間中進(jìn)行有效搜索,同時(shí)降低對(duì)有效模式的破壞概率。在本文中設(shè)計(jì)的交叉概率為1,這樣能夠完全保證子代對(duì)父代的良好特性。交叉操作步驟如下:
步驟1:利用隨機(jī)函數(shù)確定交叉點(diǎn);
步驟2:確定第一個(gè)父代個(gè)體2個(gè)交叉點(diǎn)之間的基因片段在第二個(gè)父代中的相應(yīng)位置;
步驟3:依次按順序交叉。
⑥變異操作
對(duì)新種群按照變異概率對(duì)選中染色體執(zhí)行變異操作,使其避免陷入局部最優(yōu)解,防止早熟收斂。因此變異概率應(yīng)盡量地小,本文采用的變異概率為0.002。變異操作的具體步驟如下:
步驟1:隨機(jī)生成0~1之間的數(shù)字,與變異概率作比較。如大于變異概率則轉(zhuǎn)到步驟2,否則終止變異操作。
步驟2:從染色體中隨機(jī)選擇兩個(gè)操作位置。
步驟3:對(duì)選中的位置做互換變異操作。
重復(fù)選擇、交叉和變異操作,產(chǎn)生新一代種群,直至選擇出最佳個(gè)體,終止操作。
在具體求解時(shí),需要確定目標(biāo)函數(shù)中的各個(gè)參數(shù)。首先確定Ni,即從1~i各個(gè)敏感點(diǎn)的人口數(shù),見表1,同時(shí)確定各個(gè)敏感點(diǎn)坐標(biāo)的(ai,bi)。
表1 園區(qū)周邊主要敏感點(diǎn)位置及坐標(biāo)
之后,確定目標(biāo)函數(shù)中的Rj,即從1~j各個(gè)化工產(chǎn)業(yè)類型所代表的環(huán)境風(fēng)險(xiǎn)值,見表2。
表2 各擬規(guī)劃工業(yè)用對(duì)應(yīng)的環(huán)境風(fēng)險(xiǎn)值
優(yōu)化計(jì)算結(jié)果見表3。表3中列出了環(huán)境風(fēng)險(xiǎn)源中心坐標(biāo),也就是說在進(jìn)行企業(yè)平面布置時(shí),應(yīng)該盡量把風(fēng)險(xiǎn)源按照表中優(yōu)化計(jì)算結(jié)果進(jìn)行布置,才能盡量減小對(duì)周圍敏感區(qū)域造成的環(huán)境風(fēng)險(xiǎn)。
表3 擬規(guī)劃地塊的中心點(diǎn)坐標(biāo)
本研究創(chuàng)新性地將遺傳算法引入SEA,建立環(huán)境風(fēng)險(xiǎn)優(yōu)化模型,通過遺傳算法的強(qiáng)大搜索功能,對(duì)區(qū)域環(huán)境風(fēng)險(xiǎn)源布局方式進(jìn)行逐一組合,模型運(yùn)行結(jié)果找到了園區(qū)7個(gè)風(fēng)險(xiǎn)源的最佳位置坐標(biāo),最大限度地使風(fēng)險(xiǎn)源布局保障人群健康及規(guī)避環(huán)境風(fēng)險(xiǎn),從而為化工園區(qū)SEA實(shí)踐提供更多的技術(shù)支持。
[1] 鐘政林, 曾光明, 楊春平. 環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)研究進(jìn)展[J]. 環(huán)境科學(xué)進(jìn)展, 1996, 4(6): 17-21.
[2] 張文修, 梁怡. 遺傳算法的數(shù)學(xué)基礎(chǔ)[M]. 西安:西安交通大學(xué)出版社, 2004.
[3] 房育棟, 郝建忠, 余英林, 等.遺傳算法及其在TSP中的應(yīng)用[J]. 華南理工大學(xué)學(xué)報(bào), 1994, 22(3): 124-127.
[4] 王志霞. 區(qū)域規(guī)劃環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)理論、方法與實(shí)踐[D]. 上海: 同濟(jì)大學(xué), 2007.
[5] 彭王敏子. 規(guī)劃環(huán)評(píng)中環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)方法的研究與探討[D]. 廈門: 廈門大學(xué), 2009.
[6] 彭王敏子. 不同應(yīng)用層次的環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)技術(shù)方法的研究進(jìn)展[J]. 環(huán)境科學(xué)與管理, 2009, 34(7): 170-173.
[7] 陳國良, 王煦法, 莊鎮(zhèn)泉, 等. 遺傳算法及其應(yīng)用[M]. 北京: 人民郵電出版社, 1996.
[8] 周明, 孫樹棟. 遺傳算法原理及其應(yīng)用[M]. 北京: 國防工業(yè)出版社, 1999.
[9] 戴曉明, 鄒潤民, 馮瑞, 等. 混合并行遺傳算法求解TSP問題[J]. 電子與信息學(xué)報(bào), 2002, 24(10): 1424-1427.
X820.4
A
2095-6444(2014)05-0045-03
2014-08-10
國家自然科學(xué)基金(40801228)
朱京海,遼寧省環(huán)保廳廳長,研究員,博士生導(dǎo)師;汪林,大連大學(xué)環(huán)境與化學(xué)工程學(xué)院高級(jí)工程師。