仿雌蚊搜寻行为的封存二氧化碳地表泄漏迭代序列溯源方法研究

It is an effective and low-cost way to reduce greenhouse gas in a large mount by sequestering carbon dioxide underground, but the potential leakage risk of stored gases emitting into air will lead to a serious consequence. Identification the leakage source with high efficiency and accuracy is a main problem for gas storing process. For the case of carbon dioxide leaking into atmosphere, a new bionic information perception-parameter identification iterative sequence source trace method was proposed, which is inspired from the naturally optimized behavior of female mosquito seeking host. Based on the transient correlation analysis of atmospheric oxygen and carbon dioxide, a new model to characterize and identify carbon dioxide emission in atmosphere will be investigated. Borrowed from the unique carbon dioxide plume trace behavior and characterization of female mosquito, the finding mechanism, searching acceleration rule and stop criterion will be proposed to form a new fast and robust bionic trace mechanism of emission gas source with mobile sensor. Taking advantage of information memory effect, a novel source location determination method will be studied based on concentration distribution correlation matching–parameter identification principle. The problem of efficiency, accuracy, reliability and information dependence during source locating process will be solved from three aspects of statistic parameter identification algorithm, data driven forward dispersion model and parameter identification model based on concentration distribution matching. The realization of this project will provide great help and support for leakage risk assess and management in gas storing process and other suchlike chemical engineering process.

地质封存是二氧化碳大规模低成本减排的有效手段，然而封存气体泄漏会带来严重后果。针对封存二氧化碳泄漏至地表的识别溯源难题，本项目受自然界雌蚊寄主搜寻行为启发，提出一种仿生信息感知-参数辨识迭代序列自主溯源新方法，利用独立连续响应的识别-追踪-确认模式实现快速准确溯源。基于局部生态系统碳氧瞬态相关关系，构建地表二氧化碳泄漏识别表征新模型，激发移动传感器自主溯源。借鉴雌蚊独特的二氧化碳羽流追踪行为和特征，提出泄漏羽流发现机制、导向机制、加速规则和终止准则，形成快速准确稳健的移动传感器地表泄漏气体仿生追踪新机制。利用信息记忆效应，创新地提出浓度分布相关匹配-参数辨识的泄漏源确认新方法。从概率统计参数辨识算法、数据驱动前向扩散模型、浓度分布相关匹配参数辨识模型三个层面解决源确认方法在效率、精度、可信性及信息依赖性方面的难题。本申请的实现可为气体封储及其它化工过程泄漏安全风险评价和管理提供技术支撑。

地质封存是二氧化碳大规模低成本减排的有效手段，然而封存气体泄漏会带来严重后果，而受到二氧化碳大气背景的影响，泄漏到大气中的二氧化碳监测溯源是一项难题。针对封存二氧化碳泄漏至地表的识别溯源难题，本项目受自然界雌蚊寄主搜寻行为启发，提出一种仿生信息感知-参数辨识迭代序列自主溯源新方法，利用独立连续响应的识别-追踪-确认模式实现快速准确溯源。基于局部生态系统碳氧监测信息，构建地表二氧化碳泄漏识别表征新模型，获得了基于瞬态碳氧相关特性的二氧化碳泄漏表征参数。同时，为了克服大气氧监测难题，基于大气环境碳变化监测数据，构建了基于局部时间序列碳预测模型和碳变化率时频谱特征异常碳泄漏监测方法，实现了在大气环境中碳泄漏的实时准确监测识别。借鉴雌蚊独特的二氧化碳羽流追踪行为和特征，提出泄漏羽流发现机制、导向机制、加速规则和终止准则，形成快速准确稳健的移动传感器地表泄漏气体仿生追踪新机制。比较研究了蚕蛾、Ecoli、逐步逼近、Zigzag等仿生溯源算法的效率和精度，提出了仿雌蚊折回多边形追踪（RMIG）策略，并进行了实验验证，结果表明，提出的仿雌蚊搜索算法在效率和定位成功率上具有明显的优势；最后，利用信息记忆效应，提出基于浓度分布反演的泄漏源确认新方法。通过建立监测浓度分布和预测浓度匹配模型，实现在高数据噪声下的泄漏源定位方法；通过提出建立主动萤火虫算法，提出高效高精度的群智能泄漏溯源定位方法。为了克服传统前向扩散模型带来的瓶颈问题，以机器学习扩散模型为基础，建立基于蒙特卡洛马尔科夫-机器学习的泄漏溯源方法，建立了兼顾泄漏精度和效率的泄漏溯源方法。最终，设计了移动溯源机器人平台和软件系统，通过实验验证了相关的方法，具有一定的科学和应用价值。本项目获得的结果能够为气体封储及其它化工过程泄漏安全风险识别和评价提供理论基础，同时为风险管控和应急处置提供技术支撑。