来源：期刊VIP网 时间：
作者：边超;黄光球;
单位：西安建筑科技大学管理学院;银川科技学院能源与动力工程学院;
摘要：研究提出了一种基于支持向量机(Support Vector Machine, SVM)与改进的目标遗传算法(Nondominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的污染源威胁评估策略，为精细化污染治理提供了科学量化方法。首先，以西安市2020年1月—2023年12月的工业废气、生活废气、交通运输废气、治理费用及PM_(2.5)质量浓度等多源数据为基础，构建了污染源排放量与PM_(2.5)质量浓度及治理费用之间的响应面模型。通过SVM对复杂非线性关系进行建模，有效捕捉了污染排放与环境影响之间的动态关联，为优化提供了可靠的基础模型。其次，采用NSGA-Ⅱ将污染源排放量作为决策变量，以PM_(2.5)质量浓度和治理费用两个目标函数进行优化。结果显示，该方法在解决多目标优化问题时，生成的解集分布均匀，收敛性能优于传统算法，能够在治理费用和环境质量之间实现有效平衡。研究结果进一步揭示了污染排放控制与治理成本之间的权衡关系，为制定更加科学合理的污染治理策略提供了依据。通过模型优化生成的帕累托(Pareto)前沿，为决策部门提供了多种可行方案，适用于不同预算条件下的治理规划需求。最后，研究探讨了该方法在其他城市环境治理中的应用潜力，并指出随着环境数据的进一步积累，改进的NSGA-Ⅱ算法在复杂污染场景中的适用性和决策支持能力将进一步提升。
关键词：环境工程;;支持向量机;;多目标遗传算法;;污染源威胁评估;;Pareto前沿;;环境治理
基金资助：国家自然科学基金项目(71874134);; 陕西省自然科学基础研究计划-重点项目(2019JZ-30);; 宁夏高校科研项目(NYG2024287);; 宁夏高校教研项目(bjg2024047)
