一种基于稀疏正则化的地下水点污染源识别法

发布时间：2022-02-05 02:21

　　提出了一种基于稀疏正则化的方法识别地下水点污染源。首先,对地下水一维对流-弥散方程时域有限元格式进行拉普拉斯变换得到频域方程,然后建立以l1范数项为约束的地下水点污染源识别问题的目标函数,从而克服空间分布稀疏的点污染源识别问题的不适定性;接着,利用交替优化法进行迭代求解。研究结果表明,所提方法能在噪声条件下有效识别地下水点污染源的位置和强度变化。 

【文章来源】：中山大学学报(自然科学版). 2020,59(05)北大核心CSCD

【文章页数】：9 页

【部分图文】：

工况4的稀疏正则化识别结果

由式（17）与（18）可知，当正则化参数μ≥μjcr时，，即表示第j个节点或相应单元内没有污染源释放；反之，则可能存在污染源释放。而且，μjcr越大，则其存在污染源的概率越高。因此，需将该集合{μjcr,j=1,2，?，n}按大小重新排序为。然后通过一个循环判断语句确定正则化参数，算法如图1。图1中，pmax为点源可能存在的最大个数，则取pmax≥p+1，其中p为实际存在的点源个数；γ是一个比值，一般γ>1，且pmax较大时γ值较小，其作用为区分节点是否存在污染源。另外，为了防止正则化参数μ的选取影响源强识别值，可对式（17）改写为2 数值算例

同时，为验证所提稀疏正则化方法的适用性，设置表1所示的几种工况，检验所提方法在以下工况的识别效果，并设源强为，测点集合为m={ni,i=1,6,11，?，196,201}，定义上文所提的t时刻测量节点浓度为式中，Cm(tj)为上文所提的t时刻真实节点浓度，可由式（4）求得；σ表示噪声水平；Rn为由标准正态分布（即均值等于0，标准差等于1）求得的随机数；RMS表示均方根误差。

【参考文献】：
期刊论文
[1]基于稀疏正则化的稳态热源识别[J]. 潘天成,吕中荣,汪利.  中山大学学报(自然科学版). 2020(01)
[2]地下水污染源识别的数学方法研究进展[J]. 王景瑞,胡立堂.  水科学进展. 2017(06)
[3]基于改进的共轭梯度算法重构地下水污染源项[J]. 邢利英,张国珍.  水资源保护. 2017(03)
[4]基于稀疏系统辨识的空气污染源定位算法[J]. 余潇潇,张林,李安国.  清华大学学报(自然科学版). 2013(08)
[5]合理开发利用地下水 缓解水资源紧缺状况[J]. 姜建军,文冬光.  中国水利. 2005(13)

硕士论文
[1]基于稀疏正则化的声源识别算法研究[D]. 宋绍禹.重庆大学 2018



本文编号：3614383