突发性水污染事件溯源方法

为快速准确地求解突发性水污染溯源问题,在微分进化与蒙特卡罗基础上提出了一种新的溯源方法。该方法将溯源问题视为贝叶斯估计问题,推导出污染源强度、位置和排放时刻等未知参数的后验概率密度函数;结合微分进化和蒙特卡罗模拟方法对后验概率分布进行采样,进而估计出这些未知参数,确定污染源项。通过算例与贝叶斯-蒙特卡罗方法进行对比,结果表明:该方法可使迭代次数有效缩减3/4,污染源强度、位置和排放时刻的平均相对误差分别减少1.23%、2.23%和4.15%,均值误差分别降低0.39%、0.83%和1.49%,其稳定性和可靠性明显高于贝叶斯-蒙特卡罗方法,能较好地识别突发性水污染源,为解决突发水污染事件中的追踪溯源难点问题提供了新的思路和方法。     

地下水污染源反演的Hooke Jeeves吸引扩散粒子群混合算法

根据污染物质量浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,该问题可转化为决策变量为污染源位置和强度的最优化问题进行求解。基于Hooke-Jeeves粒子群混合算法,引入吸引扩散粒子群(ARPSO)算法的粒子群发散算子,保证混合算法的种群多样性,并提出HJ-ARPSO混合算法,再结合地下水污染物迁移模型MT3DMS反演地下水污染源的位置和强度信息。在已知污染源位置和未知污染源位置两种情形下,分别利用HJ-ARPSO算法、HJ-PSO算法和GA算法进行地下水污染源反演。在两种情形下,HJ-ARPSO算法均具有较高的寻优成功率(分别对应为100%和90%);与之相比,未引入粒子群发散算子的HJ-PSO算法在未知污染源位置情形下其寻优成功率迅速降为60%;GA算法寻优效率则最低。算例结果表明,HJ-ARPSO算法是一种有效的地下水污染源反演优化算法。     

地下水污染源识别的数学方法研究进展

地下水污染源识别模型可利用有限的观测资料估计污染源位置、污染物泄露强度及其泄露过程,是制定地下水污染修复方案的依据。在阐明地下水污染源识别基本问题基础上,综述了污染源识别研究的两大类数学方法,一类为直接方法,包括反向追踪法和基于正则化的方法;另一类为间接方法,包括基于优化的方法和基于概率统计的方法。同时指出了当前污染源识别数学方法应用中存在的主要问题:地下水污染源识别问题的复杂性、地下水有机污染问题和模型求解效率的低下性。对土壤-地下水的联合管理、基于物联网的地下水污染监测、对非水相流体（Non-aqueous Phase Liquid,NAPL）类污染源识别以及基于图形处理器（GPU）的异构并行计算将是未来研究的重点方向。     

先验概率分布及似然函数模型的选择对边坡可靠度评价影响的定量评估

受工程勘察成本及试验场地限制,可获得的试验数据通常有限,基于有限的试验数据难以准确估计岩土参数统计特征和边坡可靠度。贝叶斯方法可以融合有限的场地信息降低对岩土参数不确定性的估计进而提高边坡可靠度水平。但是,目前的贝叶斯更新研究大多假定参数先验概率分布为正态、对数正态和均匀分布,似然函数为多维正态分布,这种做法的合理性有待进一步验证。总结了岩土工程贝叶斯分析常用的参数先验概率分布及似然函数模型,以一个不排水黏土边坡为例,采用自适应贝叶斯更新方法系统探讨了参数先验概率分布和似然函数对空间变异边坡参数后验概率分布推断及可靠度更新的影响。计算结果表明：参数先验概率分布对空间变异边坡参数后验概率分布推断及可靠度更新均有一定的影响,选用对数正态和极值I型分布作为先验概率分布推断的参数后验概率分布离散性较小。选用Beta分布和极值I型分布获得的边坡可靠度计算结果分别偏于保守和危险,选用对数正态分布获得的边坡可靠度计算结果居中。相比之下,似然函数的影响更加显著。与其他类型似然函数相比,由多维联合正态分布构建的似然函数可在降低对岩土参数不确定性估计的同时,获得与场地信息更为吻合的计算结果。另外,构建似然函数时不同位置处测量误差之间的自相关性对边坡后验失效概率也具有一定的影响。     

基于MCMC法的非饱和土渗流参数随机反分析

基于贝叶斯理论,以马尔可夫链蒙特卡罗方法（Markov chain Monte Carlo Simulation, MCMC法）的自适应差分演化Metropolis算法为参数后验分布抽样计算方法,建立利用时变测试数据的参数随机反分析及模型预测方法。以香港东涌某天然坡地降雨入渗测试为算例,采用自适应差分演化Metropolis算法对时变降雨条件下非饱和土一维渗流模型参数进行随机反分析,研究参数后验分布的统计特性,并分别对校准期和验证期内模型预测孔压和实测值进行比较。研究结果表明,DREAM算法得到的各随机变量后验分布标准差较先验分布均显著减小;经过实测孔压数据的校准,模型计算精度很高,校准期内95%总置信区间的覆盖率达到0.964;验证期第2～4个阶段95%总置信区间的覆盖率分别为0.52、0.79和0.79,模型预测结果与实测值吻合程度较高。     

水环境逆边界逆动态混合控制精确算法

根据逆边界逆动态控制理论,将河流水污染动态控制问题提为逆边界逆动态混合控制问题。针对多个或单个污染源排放浓度和排放总量计算,提出了一维对流-扩散方程逆控制的精确算法。该方法与现行最优控制方法相比,其优点是充分考虑了河流沿程的稀释混合容量,并能充分考虑水质动态标准和社会经济变化等因素,可获得动态控制精确解的近似解。     

基于贝叶斯理论面波频散曲线随机反演

面波频散曲线反演是获得地下横波速度结构的重要地球物理方法。常规基于迭代最小二乘等线性反演方法依赖于初始模型,且存在多极值、容易陷入局部最小、反演精度低等问题。基于贝叶斯理论的随机反演方法是一种可以融合先验信息的非线性反演方法,该方法无需人为给定初始模型,仅利用先验信息对模型进行随机采样,根据概率分布筛选接受合适的后验概率密度估计结果,可达到对细节信息的准确估计。本文针对瑞利面波频散曲线,提出了基于GPR数据先验资料约束的贝叶斯马尔科夫蒙特卡洛(MCMC)随机反演方法,通过随机改变模型参数并计算其频散曲线与实际频散曲线的似然函数来选择是否接受新的模型参数,不断重复此过程,最终得到与实际频散曲线拟合效果最佳的最优解以及横波速度解的后验概率密度分布。通过理论模型以及实际数据反演测试,验证了该方法与常规无约束的随机反演相比,可以有效地提高反演速度和反演精度。     

基于朴素贝叶斯的判别频率估计算法在油水层识别中的应用

贝叶斯网络分类器,已经广泛应用于各种分类问题。对于固定的贝叶斯网络结构,可以通过生成参数和判别参数2种方法进行学习。生成参数学习效率较高但是分类精度较低,而判别参数学习与之相反。通过对数据集中参数出现频率计算来进行参数学习,并加入一个判别参数来加强实例属性与分类目标值之间的关联性,在此基础上提出了一种简单、快速、有效的判别频率估计(DFE)算法。实验结果表明:在油水层模式识别当中,这种判别频率估计方法相对于其他算法在分类精度上能够提高5%～10%。     

基于贝叶斯方法的船坞双排钢板桩围堰整体稳定性可靠度分析

双排钢板桩围堰的整体稳定性具有较大的不确定性,同样安全系数情况下对应的失稳概率可能不同。为了更准确地分析双排钢板桩围堰的整体稳定性,降低稳定性分析中的不确定性,采用贝叶斯方法对船坞双排钢板桩围堰的整体稳定性进行可靠度分析。首先通过统计数据获取土体参数的先验分布,然后基于实测数据采用贝叶斯方法更新参数以得到后验分布,最后根据参数的后验分布采用一次二阶矩计算围堰结构的可靠度。贝叶斯方法从理论的角度解决了已有工程经验和实际案例数据两方面信息有效综合的问题,能在更接近实际情况的前提下进行可靠度分析。     

基于随机加权先验的P-Ⅲ分布参数贝叶斯估计

研究随机加权先验法进行P-Ⅲ分布参数贝叶斯估计。应用随机加权法确定分布参数的先验分布,MCMC自适应采样算法(AM)进行参数的后验分布采样,并与矩法、极大似然法和概率权重矩法等传统水文频率分析方法进行比较。实例表明,AM方法估算参数下,实测样本与对应频率设计值离差平方和最小,是一种可行的水文频率分析途径。     

基于随机加权先验的P-Ⅲ分布参数贝叶斯估计

研究随机加权先验法进行P-Ⅲ分布参数贝叶斯估计。应用随机加权法确定分布参数的先验分布,MCMC自适应采样算法(AM)进行参数的后验分布采样,并与矩法、极大似然法和概率权重矩法等传统水文频率分析方法进行比较。实例表明,AM方法估算参数下,实测样本与对应频率设计值离差平方和最小,是一种可行的水文频率分析途径。     

融雪洪水跳跃变异对其参数估计不确定性影响分析

利用Pettitt非参数检验法和Mann-Kendall非参数趋势检验法,分析年最大洪峰流量序列的非一致性,确定序列的变异形式,采用“分解-合成”理论对其进行一致性修正,得到过去、现状两种条件下年最大洪峰流量序列,根据贝叶斯理论对序列一致性修正前后参数不确定性进行估计,并对其预报区间优良性进行评价。研究结果表明：年最大洪峰流量序列变异点发生在1993年,序列整体上升趋势不显著,在1957-1993年子序列呈显著下降趋势,而1994-2006年子序列变化趋势不显著,跳跃变异为序列主要变异形式;给出了实测、还原及还现序列参数后验分布估计值及95%置信区间,将其结合优化适线法进行P-Ⅲ型频率分析,得到修正前后设计频率年最大洪峰流量预报区间估计值;还原、还现序列与实测序列相比,预报区间覆盖率均提高24%,平均带宽分别减少39.59%、23.17%,平均偏移幅度分别减少28.45%、11.39%。通过对非一致性年最大洪峰流量序列还原/还现计算,可减小参数估计不确定性对其计算产生的影响,从而提高预报区间的可靠性。     

地下水硝酸盐污染源解析及氮同位素分馏效应研究进展

地下水硝酸盐污染已成为世界范围内最严重的环境地质问题之一。全面并准确识别硝酸盐污染源,对地下水的有效管理及污染防治具有重要的指导意义。从地下水硝酸盐来源、同位素检测方法、污染源同位素特征、定量解析模型构建、硝酸盐主要转化过程及同位素分馏效应等方面进行总结,比较不同解析方法在硝酸盐溯源中的应用与发展,建议采用多学科、多方法相结合的方式,提高对硝酸盐污染源的全面理解。同位素富集系数是定量解析硝酸盐污染源的重要参数,在源解析过程中探讨硝酸盐转化及同位素分馏机制,能够更好地诠释地下水硝酸盐来源和迁移转化过程,提高源解析的准确性,为地下水硝酸盐污染的准确溯源与有效防治提供参考。     

航空物探全盲目标物搜索方法计算机仿真

构建了航空物探搜索系统的物理数学模型,设计了飞机的底层跑位算法与多种未知物搜索路径方法,采用Visual C++6.0编程实现了搜索算法的验证与仿真平台,通过蒙特卡罗数值模拟方法,获取搜索方法的近似最优参数,为航空物探未知目标物的搜索问题提供了解决的思路.     

大地电磁法的1D无偏差贝叶斯反演

应用贝叶斯理论对一维(1D)大地电磁反演问题进行无偏差不确定度分析。在贝叶斯理论中,测量数据和先验信息包含在后验概率密度函数(PPD)中,它可以解释成模型的单点估计和不确定度等贝叶斯推断,这些信息的获取需要对反演问题进行优化求最优模型和在高维模型空间中对PPD进行采样积分。采样的完全、彻底和效率,对反演结果有着重要的影响。为了使采样更有效、更完全,数值积分采用主分量参数空间的Metropolis Hastings采样,并采用了不同的采样温度。在反演中,同时采用了欠参数化和超参数化方法,数据误差和正则化因子被当成随机变量。反演结果得到各参数的不确定度、参数间的相关关系和不同深度模型的不确定度分布。COPROD1数据的反演结果表明模型空间中存在双峰结构。非地电参数在反演中得到了约束,说明数据本身不仅包含地球物理模型信息(电导率等),还包含了这些非地电参数的信息。     

基于贝叶斯理论的抗剪强度参数最优Copula函数识别

提出基于贝叶斯理论的抗剪强度参数最优Copula函数识别方法,首先简要介绍了基于Copula函数的岩土体抗剪强度参数相关结构表征方法,给出常用的识别最优Copula函数的最小平方欧氏距离法和AIC(akaike information criterion)准则。其次,采用蒙特卡洛模拟方法验证了贝叶斯理论识别最优Copula函数的有效性,比较了3种方法的最优Copula函数识别能力,并分析了影响贝叶斯理论识别精度的主要因素。最后,收集了实际工程共23组抗剪强度参数试验数据,研究了贝叶斯理论在抗剪强度参数最优Copula函数识别中的应用。结果表明,贝叶斯理论能够有效地识别表征抗剪强度参数间相关结构的最优Copula函数,且能有效考虑先验信息对识别结果的影响;与传统的最小平方欧氏距离法和AIC准则相比,贝叶斯理论的识别能力和识别精度都更高;抗剪强度参数的样本数目、相关性大小、真实Copula函数类型以及先验信息都对贝叶斯理论的识别精度具有重要的影响。此外,常用的Gaussian Copula函数并不总是表征抗剪强度参数间相关结构的最优Copula函数。     

基于IBUNE方法的水文模型不确定性分析

在贝叶斯理论框架下,根据一种可结合多个水文模型给出模拟或预报结果的IBUNE方法探讨了水文模型的输入、参数以及结构的不确定性问题。将SCEM-UA算法和EM算法嵌入新安江和TOPMODEL水文模型用于参数优化和模型平均,进而将输入与参数的综合不确定性处理后得到的预报量后验分布进行多模型综合,据此对水文模型的不确定性及其对水文模拟结果的影响进行评价。以湖南洣水流域龙家山水文站以上集水区域为例进行了应用研究,结果表明,IBUNE方法能够有效估计水文模型的不确定性,并能给出合理的概率预报区间。     

岩土强度参数概率分布拟合及贝叶斯优化

岩土强度参数是工程设计以及工程核算中十分重要的参数,但在实际工程中,由于条件有限,从室内外试验中得到的试验数据难以确定工程中应采用的设计值。利用贝叶斯公式可以参考以往工程中积累的工程经验对实际工程中得到的岩土强度参数进行优化。论述了强度参数的单独以及联合分布的概率分布拟合、检验以及贝叶斯方法优化,提出了相关的贝叶斯优化公式。通过锦屏一级水电站左岸坝肩处近SW向结构面强度参数的优化,验证了该方法的可行性和有效性。     

基于贝叶斯网络的地震相分类

为了解决传统多地震属性的地震相分类方法中"难以引入先验信息用以指导分类,难以给出地震相分类结果可靠程度的定量估计,且各分类参数的权值较难确定"这3个问题,提出了一种新的基于贝叶斯网络的地震相分类方法.该分类方法有效地融合了先验信息和训练样本的分布特征,对提取的多种地震属性进行智能分析,以概率推理的方式得到各地震相类别的概率值,并根据概率分布估计分类结果的可靠程度.详述了贝叶斯网络用于地震相分类的原理与方法,并结合理论地震数据,验证了该方法的可行性和正确性.      

抗剪强度参数概率分布的最大熵估计及边坡可靠度分析

提出了基于最大熵原理的抗剪强度参数概率分布估计方法。首先简要介绍了最大熵原理估计抗剪强度参数概率分布的基本步骤。其次,基于模拟数据分别验证了最大熵原理估计抗剪强度参数概率分布和边坡失效概率的有效性,并比较了最大熵原理、选优识别和核密度估计方法的不确定性建模精度和稳健性。最后,以一组残积土抗剪强度参数试验数据并结合无限边坡稳定分析为例研究了最大熵原理在抗剪强度参数概率分布和边坡失效概率估计中的应用。结果表明：最大熵原理能够有效地估计抗剪强度参数的概率分布和边坡失效概率。与传统的选优识别和核密度估计相比,最大熵原理估计抗剪强度参数概率分布和边坡失效概率的精度和稳健性都更高。最大熵原理避免了核密度估计过分依赖有限样本数据的缺点,又克服了选优识别可能未将真实分布包括在备选概率分布集合中的缺陷。此外,基于有限数据估计的抗剪强度参数概率分布和边坡失效概率具有较大的离散性。