随着石化、化工行业的高速发展,突发性、灾难性火灾、爆炸和中毒等化学事故不断发生且呈现出上升趋势,给人民的生命财产安全造成严重损失,故深入研究此类事故的发生机理,根据预测后果为事故应急救援提供必要的决策依据是十分重要的。而泄漏源位置和源强值是预测事故后果的重要影响参数,是快速准确设计逃生路线、确定事故疏散区和逃离区,制定公共预警方案等事故应急救援决策的基础。在应急情况下,对化学品泄漏源位置和强度的估计是一个重要挑战。为了减少事故造成的危害,快速而准确的确定泄漏源信息是十分必要的。归纳总结气体扩散模型与大气扩散模式,分析适用范围与模型特点,为源强反算选择合适的正向扩散模型奠定基础。归纳源强反算方法,针对不同方法的特点和适用范围进行分析,给出各个源强反算方法的优点和不足,并重点提出将粒子群及其混合优化算法应用到一维与多维源强反算问题中,分析讨论算法在源强反算问题中的可行性与适用性。粒子群算法是一种新型群智能算法,该算法简单易理解,易实现,将其应用到泄漏源信息反算问题中,它可以快速准确的获得泄漏源信息。但在复杂源强反算问题中,粒子群算法易出现早熟、局部搜索能力不足的特点,故将Nelder Mead单纯形算法引入粒子群算法中,采用串行结构、镶嵌结构和改进的混合结构进行混合并应用到源强反算问题中,结果表明,改进的粒子群单纯形混合算法较其他算法能以短的时间和较小的误差获得最佳的源强信息,满足应急救援决策的需要。本文同时验证粒子群及其混合优化算法在多维源强反算问题即泄漏源定位及强度确定问题中的可行性与适用性,其更适用于多维未知参数的求解。结合VB6.0软件,以高斯模型与AERMOD模型为正向扩散模型,编程实现粒子群及其混合算法,并分析比较在存在测量误差的情况下,各个算法估算源强的准确性,分析结果表明无论以选择何种扩散模型为正向扩散模型,粒子群单纯形混合算法较单一的粒子群优化算法更能快速准确的获得源强值,为应急救援提供支持。