基于替代模型的地下水溶质运移不确定性分析

为分析参数的不确定性对地下水溶质运移数值模型的影响,采用蒙特卡罗(Monte Carlo)模拟对一算例进行分析,并从风险评估的角度对不确定性分析的结果进行了阐释.为减小计算负荷,利用Sobol'法对模型参数进行了灵敏度分析,筛选出较为敏感的参数作为随机变量,建立了模拟模型的克里格(Kriging)替代模型,进而实现Monte Carlo模拟.结果表明:置信度为80%时,井1,2,3浓度值的置信区间分别为23.46~42.06,47.99~66.73,69.54~82.94mg/L;结合风险评估,计算出地下水受污染的风险为0.54,可为地下水污染物防控与修复提供科学依据.     

基于径向基函数模型的优化方法在地下水污染源识别中的应用

采用一种基于径向基函数的替代模型代替地下水溶质运移模型,将其作为约束条件嵌入污染源识别的优化模型中,通过遗传算法对优化模型进行求解.最后通过一个假想例子评估优化模型的性能.研究表明：污染源泄漏量识别结果的平均绝对误差为1.00g/s,误差较小,计算时间为51min,耗时较少,因此,基于径向基函数模型的优化方法有效地避免了优化模型求解过程中多次调用模拟模型造成的巨大计算负荷,获得了较为准确的计算结果,是一种有效的地下水污染源识别方法,能够用来求解地下水污染源泄漏量.     

基于两种耦合方法的模拟-优化模型在地下水污染源识别中的对比

采用一种基于模拟-优化模型的方法对地下水污染源进行识别研究.模拟-优化模型分别采用响应矩阵法和状态转移方程法进行耦合,并利用遗传算法求解,经过多次迭代,使得模拟结果与观测数据的误差达到最小.最后,通过一个假想例子评估模拟-优化模型的性能,同时比较应用不同耦合方法的计算结果.研究表明:应用响应矩阵法耦合模拟-优化模型所得结果的绝对误差范围为0.1~1.6g/L,应用状态转移方程法时,绝对误差范围为0~5.2g/L,因此,采用遗传算法求解模拟-优化模型能够有效且准确地得到地下水污染源的释放量,可以应用于地下水污染源识别问题,并且采用响应矩阵法耦合模拟-优化模型优于状态转移方程法.     

基于U-D分解的卡尔曼滤波法在地下水污染源识别中的应用

采用U-D分解的方法对常规卡尔曼滤波进行改进,以提高反演结果的有效性和可靠性.借助假想算例,引入模糊集合理论,将污染羽以模糊集的形式表示,利用U-D分解的卡尔曼滤波方法不断更新复合污染羽,通过复合污染羽和单个污染羽间模糊集的对比更新潜在污染源权重,进而达到真实污染源位置识别的目的.算例结果表明该方法与常规卡尔曼滤波方法相比具有更高的可靠性和有效性,能更好的达到污染源位置识别的目的.