基于稠密连接网络的地下水污染替代模型研究

地下水污染溯源和含水层参数反演问题等地下水逆问题通常面临计算负荷量的制约,考虑使用替代模型作为解决方法,从而降低地下水反演问题的计算成本。借鉴卷积神经网络的图像识别过程,考虑将地下水流运动和污染物运移问题转化为输入场图像(渗透系数场、污染源信息等)与输出场图像(水头场、浓度场等)之间函数关系的图像回归问题,利用基于稠密连接网络的AR-Net-WL构建地下水流运动和污染物运移的替代模型。算例研究表明,针对替代模型的过拟合现象,尽可能选择较大的训练样本可获得约10%的精度提升;当没有条件增加训练样本时,采用最优正则项系数的AR-Net-WL在训练样本较少的情形下(训练样本500)也能够取得良好的性能,能够精确预测地下水流运动和污染物运移。

单纯形模拟退火算法反演地下水污染源强度

基于单纯形模拟退火混合算法(SMSA混合算法),结合污染物迁移问题的解析解反演地下水污染源的强度变化历时曲线.SMSA混合算法结合了单纯形法的确定性搜索和模拟退火算法的全局概率搜索机制,是一种高效的混合优化算法;同时采用Yeh提出的解析解,它具有可靠性强、易于编程实现和扩展性强的特点.计算结果显示,1维、2维、3维情形下点污染源的反演浓度均较好地再现了真实的污染物释放过程,这表明基于SMSA混合算法和Yeh解析解的反演方法是一种有效的地下水污染源重建方法.

基于集合平滑器的地下水污染源与含水层参数的同步反演

当地下水污染发生时,能够准确及时地得到污染源信息及场地的渗透性分布,对于污染修复方案的制定尤为重要。但这些信息无法直接观测获取,只能通过有限的观测数据来推估。本文利用集合数据同化方法ILUES算法作为求解框架进行地下水污染源与含水层参数的同步反演,重点探讨样本集合数目和观测信息对地下水污染源反演和含水层渗透系数场估计结果的影响。算例结果表明,融合观测水头数据和浓度数据的ILUES算法框架能够实现污染源参数和渗透系数场的同步反演;作为数据同化方法,ILUES算法参数(集合样本数量)和观测信息(观测井数量和空间分布等)都直接影响着地下水污染源反演和渗透系数场估计的准确性。

基于和声搜索算法的地下水污染源与未知含水层参数的同步反演研究

地下水污染源反演问题和含水层参数反演问题都是典型的地下水逆问题。在未知含水层参数(渗透系数、弥散度等)等先决信息的情况下进行地下水污染源反演计算时,需要根据已有的监测数据(水位和浓度等)对地下水污染源和未知含水层参数进行同步反演。在同步反演优化问题中,决策变量包括污染源位置、强度以及待求的含水层参数。本文对同步反演模型的框架组成(包括污染物迁移模型和反演优化模型)进行分析后,在对已有的各种和声搜索改进算法进行研究的基础上结合同步反演模型提出一种改进的和声搜索算法,最后将同步反演模型和改进的和声搜索算法应用于具体的算例研究。研究表明,改进的和声搜索算法具有算法稳定高效、求解精度高等特点,能够广泛应用于复杂的地下水污染源和含水层参数反演问题。