基于U-D分解卡尔曼滤波地下水污染源溯源辨识

采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数、位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,应用克里格插值法建立地下水污染质运移数值模拟模型的替代模型,代替模拟模型,作为约束条件嵌入优化模型中,运用遗传算法求解优化模型辨识出地下水污染源源强.结果表明：采用基于U-D分解的卡尔曼滤波方法能够保证滤波的稳定性,有效识别出污染源的个数和位置;非线性规划优化模型,可以辨识出污染源释放强度.在优化模型的求解过程中,应用克里格方法建立模拟模型的替代模型嵌入优化模型,能在保证一定精度的情况下,大幅度减少计算负荷和计算时间.     

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题。并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性。结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%。应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史。SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%。因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考。     

卡尔曼滤波方法在地下水污染源反演中的应用

采用卡尔曼滤波方法反演识别地下水污染源的个数和大概位置.借助一个假想算例,建立地下水系统水流和溶质运移模拟模型,利用灵敏度分析方法筛选出对模拟结果影响最大的参数作为随机变量,对该参数进行抽样,运用蒙特卡罗方法将抽样结果输入模拟模型,生成污染质浓度场.采用卡尔曼滤波方法构造迭代过程,逐个利用采样点处浓度的实测值不断更新综合浓度场.引入模糊集理论表示污染羽,对比综合污染羽和单个污染羽的模糊集来更新各潜在污染源的权重,根据潜在污染源权重大小和综合污染羽收敛形状判断真实污染源的个数和大概位置.算例结果表明：采用卡尔曼滤波方法可以成功反演识别出地下水污染中真实污染源的准确个数和大概位置;引入模糊集理论表示污染羽,通过对比综合污染羽和单个污染羽的模糊集,可以确定各潜在污染源的权重.