参数空间变异性下地下水污染监测网多目标优化机制研究

基于野外实际含水层参数存在空间变异性的客观事实,研发概率Pareto遗传算法(Probabilistic Pareto genetic algorithm,PPGA),用于求解考虑含水层参数空间变异性下地下水污染监测网多目标优化设计问题。PPGA在ε-改进非劣支配遗传算法(epsilon-dominance non-dominated sorted genetic algorithm II,ε-NSGAII)的基础上通过添加概率择优排序和概率拥挤度技术,寻求考虑参数空间变异条件下地下水污染监测网模拟—优化耦合模型的Pareto最优解。将优化结果与蒙特卡洛(Monte Carlo,MC)模拟分析结果进行对比,验证优化结果的可靠性。算例求解结果表明:在求解考虑参数空间变异性条件下地下水污染监测网多目标优化设计问题时,PPGA优化所得Pareto最优解变异性小,可靠性高,可为决策者提供一系列稳定可靠的监测方案。     

考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

深井灌注废液在深部含水层中运移的数值模拟

根据山东东营某地的地质、水文地质资料,模拟了在该地区建设灌注井时灌注废液在深部含水层中的运移。数学模型考虑了流体密度、粘滞性以及灌注层孔隙度随压力或浓度的变化。模拟计算采用美国深井灌注项目中广泛应用的SWIFT数值模拟软件,讨论了模型中主要水文地质参数变化对计算结果的影响。模拟结果对灌注井位置的选择、调查区域的确定以及监测井的布置都有着很好的指导意义。     

DREAM算法分析地下水数值模拟不确定性的影响因素

地下水数值模拟常受到模型不确定性、观测资料不确定性等多种不确定性因素的影响,对这些影响因素进行定量分析十分必要。将差分进化自适应梅特罗波利斯(Differential Evolution Adaptive Metropolis,DREAM)算法与MODFLOW模型结合应用于地下水数值模拟不确定性的定量分析。以模型结构概化、水位观测资料误差这两种重要不确定性来源为例,通过一个理想地下水流模型,系统分析两者对模型参数及模型输出结果不确定性的影响。研究结果表明:模型结构概化及水位观测资料误差共同引起了地下水数值模拟的不确定性,但模型结构概化起到了主控作用。模型结构概化合理时,模型参数及模型输出结果的不确定性较小,并随观测资料误差不确定性的增大而增大;模型结构概化不合理时,模型参数及模型输出结果主要受控于模型结构概化带来的影响,且不确定性显著增大;观测资料误差相同情况下,模型结构概化越接近于真实的水文地质条件,模型参数及模型输出结果的不确定性越小。     

深井地下灌注数值模型SWIFT

深井地下灌注是一种有效处理工业废液的方法,随着认识的不断深入和技术的不断提高,将成为未来我国对难处理、高毒性废液实行最终处理的重要选择之一。SWIFT数值模型能够同时模拟灌注层中水流运动、热量运移、盐分运移和放射性核素运移过程,并且能够充分考虑深部灌注层高温高压等特殊地质环境。其多方面的模拟功能不但适用于深井灌注的数值模拟,还可用于海水入侵、高放射性核废料填埋的模拟分析。在美国,该数值模型已经被用于多个深井灌注项目的数值模拟。对SWIFT进行了较全面的介绍,并指出该模型使用过程中应特别注意的几个问题。