34、大气释放事件参数估计与传感器轨迹规划

大气释放事件参数估计与传感器轨迹规划

1. 传感器网络方法对比

在大气释放事件的参数估计中，不同的传感器网络和方法会产生不同的估计误差。以下是使用不同传感器网络/方法时，源参数的平均估计值与其实际值之间的均方根误差（RMSE）对比：
| 传感器网络/方法 | RMSE（m1） | RMSE（m2） | RMSE（m3） |
| — | — | — | — |
| 3 个固定传感器 | 46.27 | 21.18 | 38.67 |
| 25 个固定传感器 | 14.49 | 19.42 | 33.86 |
| 3 个移动传感器 / 趋化性方法 | 16.11 | 11.97 | 14.32 |
| 3 个移动传感器 / DDM 方法 | 1.93 | 5.74 | 12.19 |

从表格中可以清晰地看出，提出的 DDM 算法优于所有其他替代方法或传感器网络，包括趋化性方法。使用 DDM 方法，仅需 3 个传感器就能在参数估计中获得比 25 个固定传感器更低的 RMSE 值。这表明 DDM 方法在使用较少数量的数据观测传感器时，能提供更准确的估计。

2. 数据监测传感器优化分配方法

研究提出了一种新的数据监测传感器优化分配方法。该方法的核心思想是确定数据监测传感器的位置，以使模型预测与测量数据之间的互信息最大化，从而更好地减少不确定性。其主要优点是在使用较少数量的数据观测传感器的情况下，显著提高了估计的准确性。此外，还使用了一组新的求积点（CUT）来减轻动态系统中不确定性传播所涉及的计算复杂性。

3. 大气扩散过程传感器轨迹规划

大气中气态物质的扩散是一个