10.13243/j.cnki.slxb.2014.05.003
含水层渗透系数预测及不确定性分析耦合模型
本研究旨在精细计算冲洪积平原地区的渗透系数,并为进一步建立溶质运移模型提供基础数据。通过建立人工神经网络(ANN)与通用似然不确定估计法(GLUE)的耦合模型对含水层渗透系数进行预测,并对模型参数的不确定性进行分析。利用马尔可夫蒙特卡洛采样法(MCMC)取代常见的通用似然不确定性估计方法中的蒙特卡洛法(MC),将其与人工神经网络技术耦合,以150个典型粒度组分样本作为输入数据,构建研究区含水层渗透系数预测及不确定性分析的GLUE-ANN模型。通过对华北平原典型地区实例研究,验证该方法具有较好的采样效率和寻优性能。计算结果表明,与渗透系数的实测值相比较,GLUE-ANN模型的相对误差介于1.55%~23.53%之间,模型的计算精度满足地下水资源评价的要求。通过模型参数的后验分布得出参数全局最优值所在的区域,表明模型能够更合理地反映水文地质参数的不确定性。
渗透系数、ANN技术、贝叶斯方法、GLUE、MCMC、不确定性
P641(水文地质学与工程地质学)
国家重点基础研究发展计划973计划项目20100CB428800;中国地质科学院水文地质环境地质研究所项目sk201015
2014-06-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
521-528