海域组合单元水质模型参数反演方法研究

参数反演是海域水质模型验证工作的主要难点之一,同时模型模拟海域内参数的统一赋值又降低了其实际的物理意义.本文建立海域组合单元水质模型参数反演的新方法:将研究海域划分为若干单元,敏感参数在各单元中独立赋值.将基于人工神经网络的数据驱动模型同水质模型有机结合,通过水质模型计算多参数匹配设计的工况,构建海域内部观测点的解集;以数据驱动模型归纳建立状态变量(污染物浓度)同多个控制变量(模型参数)之间的非线性关系.将实测资料带入关系中,进行模型参数随地域变化的组合单元优化反演研究.以渤海海域水质模型多参数反演为例,采用"孪生"试验验证参数组合单元反演新方法的可行性,结果表明该方法是有效的.

海域组合单元水质模型多污染源浓度优化反演方法研究

污染源项反演是海域水质模型验证工作的主要难点之一.本文根据污染源项和监测点位的地理位置及空间分布将研究海域划分为若干单元,建立海域组合单元水质模型,并与基于人工神经网络的数据驱动模型有机结合,提出污染源浓度优化反演的新方法:通过多污染源项设计算例的水质模型计算,构建海域内部监测点污染物浓度响应集;以数据驱动模型建立监测点同污染源项之间浓度的非线性关系;将实测资料带入非线性关系中,获得多源项匹配关系,进行污染源浓度的优化反演研究.以渤海湾海域水质模型7个污染源浓度的优化反演为例,采用"孪生"试验验证反演新方法的可行性,结果表明该方法是有效的.

基于数据驱动与遗传计算的海域组合单元水质模型多参数分步耦合优化反演方法研究

考虑水质模型参数时域和地域差异性,建立了模型参数在各单元与时段内独立赋值的海域组合单元水质模型.结合多种反演方式的效率问题,通过数据驱动模型、遗传算法和海域组合单元水质模型的分步耦合,提出了水质模型多参数优化反演的新方法:将数据驱动模型同海域组合单元水质模型有机结合进行初步反演,获得多参数匹配关系;以误差函数为适应度,将海域组合单元水质模型嵌入遗传算法模型中,以多参数匹配关系初值为约束条件,进行多参数精确反演.最后以渤海湾海域组合单元水质模型多参数反演的"孪生"试验验证方法的有效性,数值结果表明分步耦合反演新方法具有较高的精度和效率;组合单元式的参数赋值与反演方式有利于提高模型验证精度.

海域组合单元水质模型参数时空反演方法研究

将基于人工神经网络的数据驱动模型同水质模型有机结合,考虑模型参数的时域和地域差异性,建立海域组合单元水质模型参数时空反演的新方法:将研究海域划分为若干单元,模拟总时间划分为若干时段,敏感参数在各单元和各时段内独立赋值;通过水质模型计算多参数匹配设计的工况,构建海域内部观测点的解集;以数据驱动模型建立时空、空间、时间和非时空四种反演方式,并分别确立状态变量(污染物浓度)同多个控制变量(模型参数)之间的非线性关系;将实测资料带入关系中,进行模型参数随时域和地域动态变化的组合单元优化反演研究。以渤海海域水质模型多参数匹配反演为例,采用"孪生"实验验证参数组合单元时空反演新方法的可行性,结果表明该方法是有效的。