基于局域化集合卡尔曼滤波的含水层弥散度场识别研究

溶质运移模型对下水污染物运移预测有重要意义,但是准确获取模型参数具有一定难度.集合卡尔曼滤波（EnKF）方法可以融合多来源观测数据对同化系统进行优化修正,从而得到与真实情况接近的参数.将二维承压含水层理想算例的溶质观测数据应用于局域化集合卡尔曼滤波同化系统,估计含水层的弥散度场,并探讨了模型实现数目、初始猜想场的统计特征、观测点数目及时空分布、观测误差对参数估计结果的影响.结果表明,通过同化浓度观测资料可较好地估计溶质运移模型的弥散度场;对于所用模型,实现数目在100~700时,参数估计结果最好;初始猜想场与实际场越接近、观测数据误差越小,越能快速获得较好的估计结果.