辽河流域地下水污染模型反问题的卡尔曼滤波方法研究

发布时间：2017-09-02 08:44

  本文关键词：辽河流域地下水污染模型反问题的卡尔曼滤波方法研究

  更多相关文章： 辽河流域 “三氮”溶质运移模型 卡尔曼滤波 有限差分法

【摘要】：辽河流域是我国北方以地下水作为主要饮用水源的流域,由于多年来不合理的开发利用,造成了一系列的环境地质问题,而“三氮”污染问题尤为严重。在众多针对地下水污染问题的模型建立及实际应用中,受模型参数及实际误差影响,很难得到理想结果。卡尔曼滤波作为一种最优状态估计方法,以其较强的噪声抑制能力在地下水状态估计及参数识别中正受到越来越多的重视。本文针对辽河流域李官堡水源地研究区建立的“三氮”溶质运移模型,应用卡尔曼滤波技术,结合有限差分法,对研究区水质及参数进行实时预测。主要包括两方面:一方面是参数识别。将卡尔曼滤波算法与溶质运移模型相结合,将污染物运移模型参数视为随机过程的状态估计量,根据实时输入的溶质浓度实测信息,运用卡尔曼滤波算法进行参数识别。由于传统的卡尔曼滤波器是针对线性系统的一种算法,要求状态方程与观测方程的线性性,而作为观测方程的偏微分方程是非线性的,需要先对其进行线性化处理,本文利用有限差分的方法,较普遍流行的扩展卡尔曼滤波算法在保证精度阶数基本相同的前提下,避免了繁琐的Jacobian矩阵和Hessian矩阵的计算,降低了计算难度;另一方面是对水质浓度及模型参数的同时预测。卡尔曼滤波算法不仅是一种有效的参数识别方法,而且可以通过对状态方程的增广,并行估计状态和参数,达到实时估计污染物浓度及相关参数的目的。
【关键词】：辽河流域 “三氮”溶质运移模型 卡尔曼滤波 有限差分法
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O241.82
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-10
• 1.1 研究背景及意义7-8
• 1.2 国内外研究现状8-9
• 1.2.1 地下水反问题研究现状8
• 1.2.2 卡尔曼滤波算法研究现状8-9
• 1.3 本文的研究内容9-10
• 第二章 卡尔曼滤波及有限差分10-16
• 2.1 传统的卡尔曼滤波10-11
• 2.2 扩展的卡尔曼滤波11-13
• 2.3 有限差分扩展的卡尔曼滤波13-16
• 2.3.1 差商的定义13-14
• 2.3.2 溶质运移模型的差分格式14-16
• 第三章 水污染模型中的有限差分卡尔曼滤波算法16-20
• 3.1 水质参数识别16-18
• 3.1.1 状态方程的确定16
• 3.1.2 观测方程的确定16-17
• 3.1.3 参数识别17-18
• 3.2 增广状态方程及变参量辨识法18-19
• 3.3 水质参数实时预测19-20
• 第四章 有限差分卡尔曼滤波在辽河流域地下水污染模型中的应用20-31
• 4.1 水源地概况20
• 4.2 三氮的迁移转化规律20-21
• 4.3 数学模型21-22
• 4.4 模型剖分22
• 4.5 模型参数分区22-24
• 4.6 初始条件24-25
• 4.7 结果分析25-31
• 第五章 结论与展望31-32
• 5.1 结论31
• 5.2 展望31-32
• 致谢32-33
• 参考文献33-36
• 作者简介36
• 攻读硕士学位期间研究成果36

【参考文献】

中国期刊全文数据库 前10条

1 刘丽雅;何江涛;王俊杰;;浑河傍河区地下水氮污染来源贡献研究[J];岩土工程技术;2015年02期

2 魏宪云;;辽河流域水资源对策研究[J];西部资源;2015年01期

3 沈晔;李海涛;黎涛;李文鹏;;地下水位预测:集合卡尔曼滤波(EnKF)应用概述[J];水文地质工程地质;2014年01期

4 金瑶;蔡之华;梁丁文;;基于差分演化算法的自适应无迹卡尔曼滤波[J];电子与信息学报;2013年04期

5 马建文;秦思娴;;数据同化算法研究现状综述[J];地球科学进展;2012年07期

6 韩一龙;单永明;;运用模拟退火遗传算法估计地下水反演参数[J];计算机工程与应用;2012年12期

7 彭亚绵;杨爱民;龚佃选;阎少宏;;改进的最佳摄动量法及在反问题中的应用[J];数学的实践与认识;2011年05期

8 李德东;王振臣;郭小星;;基于模糊卡尔曼滤波的HEV氢镍电池SOC估计[J];电源技术;2011年02期

9 李俊霞;苏春利;谢先军;王焰新;;多元统计方法在地下水环境研究中的应用——以山西大同盆地为例[J];地质科技情报;2010年06期

10 杨宏;李亚安;李国辉;袁润平;;一种改进中心差分卡尔曼滤波方法[J];计算机工程与应用;2010年19期

中国博士学位论文全文数据库 前1条

1 周海燕;基于集合卡尔曼滤波法的非高斯含水层参数识别[D];中国地质大学（北京）;2012年

中国硕士学位论文全文数据库 前7条

1 伍仁杰;基于卡尔曼滤波法的危岩预测模型研究[D];重庆交通大学;2013年

2 庄祉昀;卫星导航数据优化处理技术研究[D];国防科学技术大学;2010年

3 柳玉炯;基于扩展卡尔曼滤波的模糊神经网络学习算法研究[D];重庆大学;2010年

4 刘玉念;微分方程的数值模拟[D];河南大学;2010年

5 王昕;卡尔曼滤波在模型参数估计中的应用[D];哈尔滨工业大学;2008年

6 仲卫进;基于扩展卡尔曼滤波的动态负荷建模与参数辨识[D];上海交通大学;2007年

7 陆波;流域水文模型与卡尔曼滤波耦合实时洪水预报研究[D];河海大学;2006年

，

本文编号：777567