基于克里格替代模型和改进的Bayesian-MCMC方法的地下水污染源反演识别研究

发布时间：2017-10-12 05:19

  本文关键词：基于克里格替代模型和改进的Bayesian-MCMC方法的地下水污染源反演识别研究

  更多相关文章： 地下水污染 污染源反演 贝叶斯推理 MCMC 替代模型

【摘要】：随着人类活动强度的增大,地下水污染程度日趋严重,已对饮用水安全和生态环境构成了严重威胁。因此制定科学合理的修复方案对地下水污染进行有效修复治理,具有重要意义。查明地下水污染源特征及污染质的时空分布是制定合理修复方案的必要前提。同时,还可为地下水污染风险评估提供依据,为地下水污染责任认定提供判据。地下水污染源反演识别研究对于地下水环境修复改善,实现人与自然和谐相处,经济社会绿色发展具有重要意义。目前广泛运用的最优化算法等确定性反演方法只能给出反问题的“最优解”、“点估计”,不能充分考虑数学模型、模型参数、观测数据的不确定性。而地下水污染源反演问题的最大求解困难即在于模型参数与观测数据的不确定性带来的问题的不适定。因此,最优化算法在反演问题中有其局限性,不完全适合反问题的特点。本文运用贝叶斯推理这一统计反演方法(或称概率反演方法)进行地下水污染源反演识别研究。它建立在概率论的基础上,变量被处理成随机变量,更充分利用先验信息,以概率分布形式来表达各种不确定性。因此它可以描述与表达地下水污染源反演识别问题中的不确定性,更符合地下水污染源反演问题的特点,并且以概率分布的形式给出反问题的解,信息量更大,更客观,更可信,精度更高。在常规Bayesian-MCMC算法基础上,进行步长变换,即根据样本值与真值的距离不同采用不同的搜索步长,使算法大步经过距真值较远处,而在真值附近以小步长精细搜索,此改进为进一步提高方法的计算精度、效率、稳定性。本文针对二维地下水稳定流,双点源污染分时段排放问题,通过地下水溶质运移数值模拟模型、替代模型、改进的Bayesian-MCMC方法等分析方法的综合运用,探索研究基于克里格替代模型和改进的Bayesian-MCMC方法的地下水污染源反演识别。首先建立地下水溶质(污染物)运移数值模拟模型。分别运用拉丁超立方抽样方法、最优拉丁超立方抽样方法在输入变量的可行域内抽样,并分析比较上述两种方法对抽样空间的覆盖程度大小。将抽样所得结果代入地下水溶质运移数值模拟模型中,运行模型得到相应的输出值。根据输入-输出样本数据集,分别研究应用径向基函数神经网络、克里格方法建立地下水溶质运移数值模拟模型的替代模型,并对比分析两种替代模型对模拟模型的逼近精度,甄选出更优的替代模型建模方法。基于甄选出的精度更高的替代模型,分别运用常规的Bayesian-MCMC方法和改进的Bayesian-MCMC方法对两个污染源各时段的污染排放强度进行反演,进行比较分析,对结果进行讨论、评估。通过本文的研究,主要得出了以下结论:(1)最优拉丁超立方抽样与拉丁超立方抽样相比,可有效提高样本点对抽样空间的覆盖程度。(2)运用Bayesian-MCMC方法进行地下水污染源反演识别时,调用模拟模型的替代模型,可大幅减小计算负荷,并保持较高的精度。克里格替代模型精度高于径向基函数神经网络替代模型。(3)运用Bayesian-MCMC方法进行地下水污染源反演识别,结果精度较高,稳定性较好。(4)在Bayesian-MCMC方法中加入步长变换,可较大幅度提高方法的计算精度、效率和稳定性。
【关键词】：地下水污染 污染源反演 贝叶斯推理 MCMC 替代模型
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X523
【目录】：

• 摘要4-6
• Abstract6-12
• 第1章 绪论12-19
• 1.1 选题依据及研究意义12-13
• 1.2 国内外研究现状与进展13-16
• 1.2.1 地球化学足迹法13
• 1.2.2 数学方法13-16
• 1.3 本文的研究内容与技术路线16-19
• 1.3.1 研究内容16-17
• 1.3.2 技术路线17-19
• 第2章 反问题及其不适定性19-22
• 2.1 正问题与反问题19
• 2.2 反问题的不适定性19-20
• 2.3 地下水污染源反演问题20-22
• 2.3.1 概述20-21
• 2.3.2 地下水污染源反演的特点21-22
• 第3章 贝叶斯推理22-25
• 3.1 贝叶斯公式22-23
• 3.2 先验信息23
• 3.3 似然函数23-24
• 3.4 后验概率密度的抽样24-25
• 第4章 MCMC抽样25-29
• 4.1 MCMC抽样基本原理25-26
• 4.2 M-H算法26-27
• 4.3 变换步长的M-H算法27-29
• 第5章 替代模型建模方法29-36
• 5.1 替代模型简介29
• 5.2 径向基函数人工神经网络法29-32
• 5.2.1 径向基函数人工神经网络的结构29-30
• 5.2.2 径向基函数30-31
• 5.2.3 径向基函数人工神经网络的训练31-32
• 5.3 克里格法32-34
• 5.3.1 克里格法简介32
• 5.3.2 克里格法的原理32-34
• 5.4 替代模型的精度评估34-36
• 第6章 假想算例地下水污染质运移数值模拟模型36-39
• 第7章 替代模型39-45
• 7.1 抽样39-42
• 7.1.1 拉丁超立方抽样39-40
• 7.1.2 最优拉丁超立方抽样40-41
• 7.1.3 抽样结果分析41-42
• 7.2 替代模型的建立42-45
• 7.2.1 径向基函数人工神经网络模型42
• 7.2.2 克里格模型42
• 7.2.3 替代模型精度对比分析42-45
• 第8章 反演求解45-56
• 8.1 常规M-H方法45-50
• 8.1.1 迭代曲线45-47
• 8.1.2 反演结果47-49
• 8.1.3 反演结果稳定性分析49-50
• 8.2 变换步长的M-H方法50-55
• 8.2.1 迭代曲线50-52
• 8.2.2 反演结果52-54
• 8.2.3 反演结果稳定性分析54-55
• 8.3 M-H方法改进前后比较分析55-56
• 第9章 结论及展望56-58
• 9.1 结论56-57
• 9.2 本研究的不足之处及展望57-58
• 参考文献58-65
• 作者简介及攻读硕士期间所取得的科研成果65-66
• 致谢66

【参考文献】

中国期刊全文数据库 前8条

1 王来贵;朱旺喜;;自然科学基金申报中的反问题研究内涵[J];中国科学基金;2016年01期

2 江思珉;张亚力;周念清;赵姗;;基于卡尔曼滤波和模糊集的地下水污染羽识别[J];同济大学学报(自然科学版);2014年03期

3 陈海洋;滕彦国;王金生;宋柳霆;周振瑶;;基于Bayesian-MCMC方法的水体污染识别反问题[J];湖南大学学报(自然科学版);2012年06期

4 李功胜;姚德;马昱;杨富贵;;一维溶质运移源(汇)项系数反演的迭代正则化算法[J];地球物理学报;2008年02期

5 范小平;李功胜;;确定地下水污染强度的一种改进的遗传算法[J];计算物理;2007年02期

6 赵阳;田社平;韦红雨;王志武;;基于RBF神经网络模型的传感器非线性补偿方法[J];计量技术;2007年02期

7 王建平;程声通;贾海峰;;基于MCMC法的水质模型参数不确定性研究[J];环境科学;2006年01期

8 穆雪峰,姚卫星,余雄庆,刘克龙,薛飞;多学科设计优化中常用代理模型的研究[J];计算力学学报;2005年05期

中国博士学位论文全文数据库 前4条

1 郝亮;基于代理模型的车身吸能结构抗撞性优化[D];吉林大学;2013年

2 辛欣;DNAPLs污染含水层多相流模拟模型的替代模型研究[D];吉林大学;2011年

3 张勇;基于近似模型的汽车轻量化优化设计方法[D];湖南大学;2009年

4 朱嵩;基于贝叶斯推理的环境水力学反问题研究[D];浙江大学;2008年

中国硕士学位论文全文数据库 前4条

1 李昆仲;基于RBF神经网络的边坡稳定性评价研究[D];长安大学;2010年

2 万梅芳;基于神经网络的物流系统最经济控制研究[D];桂林电子科技大学;2009年

3 苏美娟;径向基函数神经网络学习算法研究[D];苏州大学;2007年

4 单晓虹;基于遗传算法的RBF神经网络及其在系统辨识中的应用[D];青岛大学;2006年

，

本文编号：1016866