地下水流數值模擬概念模型的不確定性分析

地下水流數值模擬概念模型的不確定性分析

《地下水流數值模擬概念模型的不確定性分析》是依託南京大學,由曾獻奎擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:地下水流數值模擬概念模型的不確定性分析
  • 項目類別:青年科學基金項目
  • 項目負責人:曾獻奎
  • 依託單位:南京大學
項目摘要,結題摘要,

項目摘要

概念模型是地下水數值模擬不確定性的重要來源。貝葉斯模型平均(Bayesian Model Averaging, BMA)是當前處理概念模型不確定性的主要方法。然而,BMA方法在實際套用過程中存在以下幾方面的問題:1) 如何建立完備的備擇概念模型組;2) 如何確定概念模型的先驗機率;3) 概念模型綜合似然值的計算。針對這些問題,首先,本項目擬從場地水文地質信息的解析入手,採用排列組合的方式構建備擇概念模型組。其次,利用改進的分類樹分析方法對備擇概念模型進行分組歸類,進行先驗機率的組內稀釋,採用交叉驗證的方法識別最優的先驗機率組合。最後,利用MCMC(Markov Chain Monte Carlo)方法估計概念模型的綜合似然值。因此,本研究擬通過改進及完善BMA方法的理論框架,提升BMA綜合預測的效率與可靠性,從而為地下水數值模擬概念模型的不確定性分析提供理論支撐。

結題摘要

地下水數值模擬不確定性主要來自於模型參數、模型結構及觀測數據,其中概念模型(模型結構)的不確定性已經受到水文地質工作者的重視。貝葉斯模型平均(Bayesian model averaging)是當前處理概念模型不確定性的主要方法。本項目針對BMA實際套用過程中面對的困難,分別在以下幾個方面開展了工作,並取得了相關研究成果。(1)結合研究區的先驗信息,通過不確定性條件的排列組合,基於複雜度控制理論,建立一組能夠代表研究區水文地質基本特徵的概念模型集合;(2)提出了一種基於Adaptive Metropolis的嵌套抽樣算法(Nested sampling algorithm),能夠對模型邊緣似然值進行準確、高效的估計;(3)提出了一種基於自適應稀疏格線-隨機配點法(Adaptive sparse grid-stochastic collocation)的替代模型技術,克服了地下水數值模擬概念模型不確定性分析中的計算耗時問題。總之,較好的按照執行計畫完成了本項目,很好的完成了項目預期目標。

相關詞條

熱門詞條

聯絡我們