基于高斯统计方法地下水空间参数场参数率定.pdfVIP

第四屆海峽兩岸水動力學研討會 2013 台北 基于高斯统计方法的地下水空间参数场参数 率定 柏睿，黄跃飞，尹冬勤，王光谦 (清华大学水沙科学与水利工程国家重点实验室，北京，100084, Email: yuefeihuang@tsinghua.edu.cn) 摘要：地下水模拟模型是地下水运动规律研究的重要手段，而模型参数率定决定了地下水 模型的有效性和可靠性。传统的参数率定研究，采用半分布式的启发式搜索来反演地下水的 规律，难以做到完全分布式的参数率定，同时难以表现参数的不确定性。为解决分布式的地 下水空间参数带来的维数灾问题和不确定性问题，本文提出了基于高斯统计方法的地下水空 间参数场率定方法，通过高斯统计方法将需要率定的分布式空间参数场转换为空间特征参数， 利用随机抽样、并行计算与联合概率逼近的方式率定空间特征参数，最后逆向转换获得分布 式空间参数场的分布。数值模拟测试案例结果表明，该方法在解决地下水参数维数灾问题上， 具有传统方法难以比拟的优势，参数场的概率统计表达能够充分反映地下水系统的不确定性， 能够提高地下水模拟的准确性和效率。 关键词：高斯统计；分布式参数场；参数率定；地下水模拟；概率逼近 1 引言 地下水模拟模型是地下水运动规律研究的重要手段，而由于观测手段、地质条件、信息 干扰等原因，很难全面获取模型参数值及其空间分布特征 [1] 。往往需要借助建立的地下水模 型，利用部分观测值和参数信息，对模型参数进行率定（参数选优或参数识别）[2] 。因此，率 定方法的准确性直接决定了地下水模型的有效性和可靠性[3] 。 最初率定参数的方法，是简单的人工经验法，即从参数的定义及其概念出发，通过经验 性地预估-校正试算和统计，不断尝试以获得更合理的参数。随着模型的复杂化和计算机搜索 算法的逐步发展，传统参数率定方法逐步发展为现在的自适应法，即通过一定的搜索算法， 产生大量的试算参数值代入模型进行运算，以一定的判别函数为模拟结果的筛选目标，选取 目标函数最优时的参数值作为最优参数[4] 。 传统的自适应参数率定方法，主要集中在如何更快更好地搜索目标函数的最优解，如 Newton 法、共轭梯度法、变尺度法、单纯形法和Rosenbrock 法等[5~7]，其特点就是必须从给 定的初始值开始搜索，寻求初始点附近一个局部极值点，不一定满足全局最优性，因此以上 方法可以称为基于数学理论的局部搜索法。 为寻找具有全局最优性的极值解，必须在全局解空间内构造不同的初始值，对解空间进 行大量的试探，同时为处理高维非线性的复杂问题，新的启发式搜索 [8] 的优化方法不断的发 展，如遗传算法、混沌算法、人工神经网络算法以及模拟退火法等 [9~11] 。这些方法对于非线 - 1 - 第四屆海峽兩岸水動力學研討會 2013 台北 性和解空间非连续的模型具有良好的适应性，是当前研究和应用最广泛的方法。 然而，水文地质等条件的空间变化和差异特性，导致了地下水参数具有显著的空间差异 特性和不确定性，同时，在一般自然条件下，地下水参数空间分布具有一定的分布特征，可 以假定相互之间具有一定的相关性。因此在传统的地下水参数率定方法中，率定一个物理参 数的时候实际上面对的是一个二维或者三维空间参数场，导致维数灾（Dimensionality Curse ） 的出现[12]，极大地增加了率定参数的难度。与此同时，启发式搜索获得的最优解只是众多极 值解中的一个，在地下水空间参数场的率定中难以根据一个极值解来确定完整的参数场，这 是由于地下水空间参数的不确定性[13,14]导致的。 随着针对参数场的参数率定问题的研究逐步增多，许多学者在数学理论上对算法进行了 新的改进，或者提出了新的研究方法 [15~17]，其中根据随机抽样和贝叶斯推理的高斯概率统计 方法[18]，被提出来用于解决空间参数场的率定问题。 为解决分布式的地下水空间参数带来的维数灾问题和不确定性问题，本文提出了基于高 斯统计方法的地下水空间参数场率定方法，通过高斯统计方法将需要率定的分