基于GRACE和Sentinel-1A的河湟谷地地下水储量与地表沉降研究

本文利用GRACE/GRACE-FO与GLDAS数据反演河湟谷地地区2019—2022年地下水变化情况,利用SBAS-InSAR技术获得该区域同时段的地表沉降速率,结合降水数据研究河湟谷地地区地表沉降与地下水变化的相关关系。结果表明:①河湟谷地整体地下水流失方向是从西北向东南;②地下水变化对地表形变越严重的区域影响更大;③地表形变(抬升)越大,地下水储量流失越多,黄河上游抬升最大,其地下水储量流失最多;④河湟谷地北部地表形变对地下水储量变化不敏感,南部区域地表形变对地下水储量变化更敏感。本文为当地地质灾害预警、水资源可持续利用、生态保护及高质量绿色发展提供了重要的科学参考。

基于局部-全局混合自适应替代模型的地下水污染源反演识别

为了提高地下水污染源反演识别的精度及计算效率,综合运用最优解准则及交叉验证-维诺图准则,提出了局部-全局混合自适应替代模型.将局部-全局混合自适应替代模型与遗传算法结合,应用于地下水污染源反演算例中,并与局部自适应替代模型及全局自适应替代模型进行对比.结果表明:基于局部-全局混合自适应替代模型的遗传算法得到的污染源反演结果精度最高且计算耗时最少,其反演结果与实际污染源特征基本一致,最大相对误差仅为3.51%.证明了所提出的局部-全局混合自适应替代模型在提高地下水污染源反演精度及计算效率方面的有效性.

仿生算法在地下水模型反演中的应用现状与展望

求解地下水逆问题是水文地质学研究的重要内容,传统的基于非线性优化技术的求解地下水逆问题的方法存在收敛速度慢,寻优效率低,易陷入局部最优的缺点。基于模仿生物功能和习性而开发的人工神经网络、遗传算法、蚁群算法、粒子群算法、入侵杂草算法、免疫算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、蝙蝠算法、布谷鸟算法和果蝇优化算法、蚊子算法、螳螂算法、人工鱼群算法、捕鱼策略算法等仿生算法具有很强的优化能力和寻优效率。人工神经网络、遗传算法、蚁群算法、粒子群算法等4种仿生算法在求解地下水逆问题的应用实践表明,这些方法可以按较大的概率找到全局最优解,且收敛速度较快。确定适当的目标函数转换形式和算法参数,其它仿生算法也完全可以用于地下水模型反演。从这些算法的理论和已应用于其它领域的实践来看,仿生算法在求解地下水逆问题中具有广阔前景。

基于自组织映射(SOM)算法的地下水污染源反演

根据污染物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,通过对地下水污染源位置与强度的确定有助于提高地下水污染治理与修复的效果。提出一种基于自组织映射(SOM)算法的地下水污染溯源模型的替代模型的构建方法,并通过数值算例研究了SOM替代模型中训练数据样本数目和神经元数目的最优组合,以得到能够准确地表征地下水污染源强信息与观测数据之间联系的最优替代模型。算例研究结果表明:基于SOM算法的替代模型作为一种快速反演算法,在应用于地下水污染源反演问题时能有效减少计算量,并能以较高的精度对地下水污染源进行快速识别,具有良好的稳定性和鲁棒性。

Underground water quality model inversion of genetic algorithm

The underground water quality model with non-linear inversion problem is ill-posed, and boils down to solving the minimum of nonlinear function. Genetic algorithms are adopted in a number of individuals of groups by iterative search to find the optimal solution of the problem, the encoding strings as its operational objective, and achieving the iterative calculations by the genetic operators. It is an effective method of inverse problems of groundwater, with incomparable advantages and practical significances.