蒋金利 诸雪征 顾 进 韩朝帅， 李 廷

（1.陆军防化学院 北京 102205）（2.军事科学院防化研究院 北京 102205）

1 引言

当战场发生化学袭击或者化工厂发生泄漏，爆炸事故后，毒剂被分散成为蒸气、气溶胶进入大气中，形成毒剂云团。而毒剂云团将随气流一起运动，同时向四周扩散，形成化学危害区域［1］。指导部队进行有效化学防护的前提是对战场化学危害区域进行准确的界定、检测及预测，只有掌握毒剂浓度的时空分布规律，准确描绘毒剂云团的危害地域，才能预测未来一段时间窗口内的毒剂浓度分布，进而分析出该段时间内的毒害作用效应。当前对于化学危害的预测主要通过大气扩散理论和数学扩散模型［2］来推导未来一段时间的毒剂浓度分布，从而对化学危害的发展态势做出评估，但是基于大气扩散模式的化学云团浓度预测具有一定的偏差，且战场气象、地形条件复杂多变，计算结果往往会有较大的误差。

数据同化是一种最初来源于数值天气预报的数据处理技术，现在已成功用于对大气污染物浓度的预测中来。在化学危害预测领域引入数据同化算法，以更快的速度和更高的精准度得出危害场未来一段时间的浓度走势及分布图，在保证速度的同时尽最大可能地为防护和救援提供准确的决策依据。当前关于污染物扩散数据同化主要有逐步迭代法［3］，最优插值法［4］、卡尔曼滤波法［5］、集合卡尔曼滤波法［6］、遗传算法［7］、神经网络算法［8］和机器学习［9］等，但逐步迭代法和最优插值法精度偏低，属于早期的同化算法；……