《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。
