参数空间变异性下地下水污染监测网多目标优化机制的研究.pdfVIP

第６１卷　 第３期　　 地　质　论　评 　　　　 ＧＥＯＬＯＧＩＣＡＬＲＥＶＩＥＷ　　 Ｖｏｌ６１　Ｎｏ３ ２０１５年 ５月 Ｍａｙ　２０１５ 参数空间变异性下地下水污染监测网 多目标优化机制研究 １） ２） ２，３） １） 骆乾坤 ，吴剑锋 ，杨运 ，钱家忠 １）合肥工业大学资源与环境工程学院，合肥，２３０００９； ２）南京大学地球科学与工程学院水科学系，南京，２１００９３；３）水利部淮河水利委员会，安徽蚌埠，２３３００１ 内容提要：基于野外实际含水层参数存在空间变异性的客观事实，研发概率Ｐａｒｅｔｏ遗传算法（ＰｒｏｂａｂｉｌｉｓｔｉｃＰａｒｅｔｏ ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ＰＰＧＡ），用于求解考虑含水层参数空间变异性下地下水污染监测网多目标优化设计问题。ＰＰＧＡ 在 改进非劣支配遗传算法（ｅｐｓｉｌｏｎｄｏｍｉｎａｎｃｅｎｏｎｄｏｍｉｎａｔｅｄｓｏｒｔｅｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍＩＩ，ＮＳＧＡＩＩ）的基础上通过添 ε ε 加概率择优排序和概率拥挤度技术，寻求考虑参数空间变异条件下地下水污染监测网模拟—优化耦合模型的Ｐａｒｅｔｏ 最优解。将优化结果与蒙特卡洛（ＭｏｎｔｅＣａｒｌｏ，ＭＣ）模拟分析结果进行对比，验证优化结果的可靠性。算例求解结 果表明：在求解考虑参数空间变异性条件下地下水污染监测网多目标优化设计问题时，ＰＰＧＡ优化所得Ｐａｒｅｔｏ最优 解变异性小，可靠性高，可为决策者提供一系列稳定可靠的监测方案。 关键词：地下水污染；监测网设计；随机多目标优化；遗传算法 　　地下水系统具有高度的复杂性，一旦遭受污染， Ｋｏｌｌａｔ等 （２００６）将 改进非劣支配遗传算法 ε 治理和修复的周期往往长达几十甚至上百年（吴剑 （ｅｐｓｉｌｏｎｄｏｍｉｎａｎｃｅ ｎｏｎｄｏｍｉｎａｔｅｄ ｓｏｒｔｅｄ ｇｅｎｅｔｉｃ 锋等，２０１１ａ，ｂ；ＮＲＣ，２０１２；ＬｕｏＱｉａｎｋｕｎｅｔａｌ．， ａｌｇｏｒｉｔｈｍ，ＮＳＧＡＩＩ）与ＮＳＧＡＩＩ，多目标进化算法 ε ε ２０１２；杨蕴等，２０１３；ＹａｎｇＹｕｎｅｔａｌ．，２０１３）。因 （ｅｐｓｉｌｏｎｄｏｍｉｎａｎｃｅ ｍｕｌｔｉｏｂｊｅｃｔｉｖｅ ｅｖｏｌｕｔｉｏｎａｒｙ 此，在地下水污染治理和修复过程中，需要建立相应 ａｌｇｏｒｉｔｈｍ，ＭＯＥＡ）以及改进加速Ｐａｒｅｔｏ进化算法 ε 的地下水污染监测网络，以便及时获取地下水的相 （ｓｔｒｅｎｇｔｈＰａｒｅｔｏｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ２，ＳＰＥＡ２）相 关污染信息，从而保证治理结果的可靠性（吴剑锋 比较，证明了εＮＳＧＡＩＩ处理多目标监测网优化问题 等， ２００４）。地下水污染监测网的设计方法主要有３ 的优越性；Ｇｏｐａｌａｋｒｉｓｈｎａｎ等（２０１１）使用不同的数据 类：统计方法、数值模拟方法、模拟—优化方法。其 转化模型将间接数据转化为第一手数据来优化设计 中模拟—优化方法以其既能精确模拟复杂地下水系 阿贡国家实验室的植物修复系统监测网络；骆乾坤 统的运动形态又能全面求取地下水系统在满足给定 等（２０１３）提出一个新的包含４个目标函数的多目 约束条件下的最优决策方案而倍受青睐（Ｗａｎｇｅｒ， 标地下水污染监测网模拟—优化设计模型，并利用 １９９５；Ｋｏｌｌａｔｅｔａｌ．，２００８；骆乾坤等，２