Dust Particle Size Distribution Inversion Based on the Multi Population Genetic Algorithm
Dust Particle Size Distribution Inversion Based on the Multi Population Genetic Algorithm
复制标题
基于多群体遗传算法的粉尘粒径分布反演
DOI：
10.3319/tao.2014.06.12.01(a
复制
发表时间：
2014
影响因子：
0.8
通讯作者：
Juan Li
中科院分区：
文献类型：
--
作者：
Ji;ong Mo;Juan Li
气溶胶数粒径分布是表征气溶胶光学性质和物理性质的主要参数，对辐射强迫有重要影响。针对传统方法的一些缺点，提出一种基于多群体遗传算法（MPGA）的方法来反演灰尘颗粒的气溶胶粒径分布。详细介绍了MPGA的原理和设计。与传统方法相比，MPGA 具有更好的性能。为了验证反演方法的可行性，利用太阳光度计拍摄的尘埃颗粒气溶胶光学厚度（AOT）实测数据，对简单遗传算法（SGA）和MPGA进行了一系列比较。结果表明，MPGA 与 SGA 相比具有更好的性能，反演误差更小，群体规模更小，反演气溶胶粒径分布的代数更少。利用背景日、沙尘暴事件和季节大小分布对 MPGA 反演方法进行了分析。本研究提出的方法对于气溶胶粒径分布反演具有重要的应用和参考价值。
The aerosol number size distribution is the main parameter for characterizing aerosol optical properties and physical properties, it has a major influence on radiation forcing. With regard to some disadvantages in the traditional methods, a method based on the multi population genetic algorithm (MPGA) is proposed and employed to retrieve the aerosol size distribution of dust particles. The MPGA principles and design are presented in detail. The MPGA has better performance compared with conventional methods. In order to verify the feasibility of the inversion method, the measured aerosol optical thickness (AOT) data of dust particles taken by a sun photometer are used and a series of comparisons between the simple genetic algorithm (SGA) and MPGA are carried out. The results show that the MPGA presents better properties when compared with the SGA with smaller inversion errors, smaller population size and fewer generation numbers to retrieve the aerosol size distribution. The MPGA inversion method is analyzed using the background day, dust storm event and seasonal size distribution. The method proposed in this study has important applications and reference value for aerosol particle size distribution inversion.
登录
查看更多内容
DOI：
10.24293/ijcpml.v29i1.2080
发表时间：
1995-12
期刊：
INDONESIAN JOURNAL OF CLINICAL PATHOLOGY AND MEDICAL LABORATORY
影响因子：
--
作者：
Dian Wahyu Utami
通讯作者：
Dian Wahyu Utami
影响因子：
2.2
作者：
J. Beckers;M. Rixen
通讯作者：
J. Beckers;M. Rixen
影响因子：
5.2
作者：
R. Guardani;C. Nascimento;R. S. Onimaru
通讯作者：
R. Guardani;C. Nascimento;R. S. Onimaru
影响因子：
1.9
作者：
Teruyuki Nakajima;G. Tonna;Ruizhong Rao;P. Boi;Y. Kaufman;B. Holben
通讯作者：
Teruyuki Nakajima;G. Tonna;Ruizhong Rao;P. Boi;Y. Kaufman;B. Holben
影响因子：
4
作者：
T. Hussein;R. A. Al-Ruz;T. Petäjä;H. Junninen;Dia-Eddin Arafah;K. Hämeri;M. Kulmala
通讯作者：
T. Hussein;R. A. Al-Ruz;T. Petäjä;H. Junninen;Dia-Eddin Arafah;K. Hämeri;M. Kulmala