版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
地下水反演是一個綜合性問題,研究重點(diǎn)是對含水層特征進(jìn)行刻畫。許多建模人員已經(jīng)對概念模型的不確定性(顯著的時間和空間變化)、尺度依賴性、許多類型的未知參數(shù)(導(dǎo)水系數(shù)、補(bǔ)給和邊界條件等)、非線性以及對含水層性質(zhì)經(jīng)常表現(xiàn)出低靈敏性的狀態(tài)變量(特別是水頭和濃度)進(jìn)行了研究。由于這些難題的存在,因此不可能把模型校準(zhǔn)與模擬過程分割開來,而是應(yīng)當(dāng)將其作為認(rèn)識含水層特征的重要一步。事實(shí)上,真實(shí)參數(shù)的估計方法盡管在計算細(xì)節(jié)上會有一些差異,但在本質(zhì)上沒有什么區(qū)別。就是否還有充足的空間能夠改進(jìn)地下水反演問題存在爭議:開發(fā)用戶友好的代碼、通過地質(zhì)統(tǒng)計學(xué)方法調(diào)整變異性、將地質(zhì)學(xué)信息和其它類型的數(shù)據(jù)(溫度、同位素濃度和地下水年齡等)相結(jié)合、正確計算不確定性等。盡管如此,即使利用現(xiàn)有的代碼進(jìn)行自動校準(zhǔn),也仍然極大地推動了模擬工作的發(fā)展。因此,主張將這一方法的應(yīng)用進(jìn)行標(biāo)準(zhǔn)化。一、概述廣義上,反演模擬是指利用模擬參數(shù)的測量值來收集模型信息的一個過程,其中包括兩個相關(guān)的概念:模型識別和參數(shù)估計,在本文中,后者與校準(zhǔn)具有相同的含義。“模型識別”是應(yīng)用一些方法來尋找模型的特征,如控制方程、邊界條件、時間范圍或非均質(zhì)性等。而“參數(shù)估計”是對那些刻畫特征的性質(zhì)進(jìn)行賦值。地下水模擬中的“反演”與上述定義大致相同。事實(shí)上,一些水文地質(zhì)學(xué)反演問題已經(jīng)建立了標(biāo)準(zhǔn)規(guī)程,例如,水文地質(zhì)學(xué)家采用抽水試驗(yàn)來確定含水層的特征。解釋這些試驗(yàn)結(jié)果的過程包括:首先確定最合適的模型(根據(jù)實(shí)際的測量值和地質(zhì)條件),然后根據(jù)曲線擬合來估計模型參數(shù),利用自動程序可以很容易完成這項工作。在解析解很少的領(lǐng)域中,如非飽和帶,自動化的校準(zhǔn)程序已經(jīng)標(biāo)準(zhǔn)化了(Kool和Parker,1988;Hollenbeck和Jensen,1998)。在通過適當(dāng)?shù)臏y試刻畫空間變化的領(lǐng)域中,如醫(yī)學(xué)(掃描或X線斷層攝影術(shù))(Rudin等,1999;Rhli等,2002)和地球物理學(xué)(Sambridge和Mosegaard,2000)等等,自校準(zhǔn)已經(jīng)成為標(biāo)準(zhǔn)。然而,地下水模擬顯示出了能夠區(qū)別于其它模擬的幾個特性:
成本地下水模擬費(fèi)用相對較高。模型每次運(yùn)行時,都要求解大型方程組(以獲取系統(tǒng)準(zhǔn)確而真實(shí)的特征)。另外,計算機(jī)科學(xué)的發(fā)展可以大大提高模型的性能;
時間依賴性狀態(tài)變量,如水位和濃度具有時間依賴性。許多流動問題本質(zhì)上都處于穩(wěn)定流條件下,但即使如此,仍然會包含水位隨時間波動的信息,這樣就需要進(jìn)行非穩(wěn)定流的模擬;
非均質(zhì)性水力傳導(dǎo)系數(shù)K通常是最重要的水力學(xué)指標(biāo),其值會相差幾個數(shù)量級;導(dǎo)水系數(shù)也是如此,相當(dāng)于二維模型中的K(在下文中,這兩個參數(shù)將會交替使用);
不同類型的參數(shù)。當(dāng)重點(diǎn)考慮導(dǎo)水系數(shù)時,其它參數(shù)(補(bǔ)給、邊界流量等)同樣具有不確定性和相關(guān)性;
尺度依賴性野外測量的參數(shù)通常只能表示含水層的一小部分,這樣,在性質(zhì)和數(shù)量上就與模型所需的參數(shù)具有很大的差異;
模型不確定性含水層的幾何特征和非均質(zhì)性受地質(zhì)條件的控制,而地質(zhì)條件很難得到確切的認(rèn)識。
靈敏度低在不同的問題中,狀態(tài)變量可能會對模擬參數(shù)表現(xiàn)出很低的靈敏度(即信息量不足)。特別是水頭(最常用的,有時是唯一的測量指標(biāo))有時幾乎不包含關(guān)于水力傳導(dǎo)系數(shù)的信息。由于以上特征,含水層模型預(yù)測具有極高的不確定性。另外,參數(shù)估計不像其它領(lǐng)域那樣可以明確地表達(dá)出來,在解釋抽水試驗(yàn)結(jié)果時,就可能遇到這種情況。研究人員會將試驗(yàn)獲得的水頭值直接輸入到程序中,經(jīng)過適當(dāng)?shù)亩ㄐ阅P头治龊?,得到參?shù)值。反演是含水層模擬過程中的一步重要工作。地下水的姐妹學(xué)科——地表水文學(xué)也具有許多類似的特征,其中的很多問題已經(jīng)得到解決。地下水反演的另一個重要特點(diǎn)是其相對獨(dú)立性。目前,已經(jīng)開發(fā)出了很多獨(dú)立于其它領(lǐng)域的反演方法。最早的方法是將簡單的等效水頭(假定已知)代入流動方程中,這樣可以得到關(guān)于導(dǎo)水系數(shù)的一階偏微分方程(Stallman,1956)。Neuman(1973)將這一方法稱為“直接法”,這種方法相對簡單、易于理解,在Nelson(1960,1961)之后,得到了廣泛應(yīng)用。事實(shí)上,根據(jù)測量水頭畫出流網(wǎng)后,可以得到導(dǎo)水系數(shù)(Bennet和Meyer,1952)。然而,這一方法存在幾個不足之處:首先,整個研究范圍內(nèi)(時間和空間)的水頭值(以及補(bǔ)給、貯水系數(shù)和邊界條件)必須是已知的,這樣才能進(jìn)行插值工作,但同時也會引入誤差,使最終估計的導(dǎo)水系數(shù)受到了一些人為影響;其次,這一方法不穩(wěn)定,水頭微小的誤差會造成導(dǎo)水系數(shù)很大的誤差。為了解決第一個問題,最近大部分的反演方法采用了Neuman(1973)所稱為的“間接法”,這一方法承認(rèn)測量存在誤差,并尋找可以將這些誤差最小化的水力性質(zhì)。也就是說,通過對目標(biāo)函數(shù)的最小化來尋找參數(shù),這一工作的計算量會很大。為了克服不穩(wěn)定性,采取了一系列方法:在目標(biāo)函數(shù)中增加一個正則項(調(diào)整項)以消除無根據(jù)的擺動、考慮其它類型的數(shù)據(jù)、減少被估參數(shù)的數(shù)量(但不丟失表現(xiàn)空間變化的能力)等。這些問題(計算、穩(wěn)定、不同類型的數(shù)據(jù)和空間變化等)一直是許多研究的焦點(diǎn),如Yeh(1986)、Carrera(1987)、Kool等(1987)、McLaughlin和Townley(1996)以及deMarsily(1999)等人的研究。本文的目的是介紹含水層特征的反演模擬研究現(xiàn)狀,重點(diǎn)是尋找現(xiàn)有方法的相似點(diǎn),探討如何去應(yīng)用,而非是對這些方法的簡單論述。校準(zhǔn)是否應(yīng)當(dāng)作為模擬過程的必要步驟尚存在爭議,一般的模擬過程包括:第一步,收集真實(shí)系統(tǒng)所有可用的信息,建立合理的概念模型;第二步,采用控制方程來表示概念模型;第三步,離散并求解控制方程,同時將一些未知的水力參數(shù)(即面狀補(bǔ)給)離散化作為模型參數(shù)的函數(shù);第四步,優(yōu)化模型參數(shù);第五步,如果需要的話,應(yīng)當(dāng)進(jìn)行誤差分析,根據(jù)新的試驗(yàn)結(jié)果將一些最初的概念模型舍棄,保留有效的模型。本文將在以下章節(jié)中進(jìn)一步分析知識和數(shù)據(jù)在確定概念模型時的重要性,通常認(rèn)為這是地下水模擬過程中最常見的誤差源(Bredehoeft,2004)。在“需要估計什么”一節(jié)中介紹如何利用模型參數(shù)來表示含水層性質(zhì),下一步工作是優(yōu)化(校準(zhǔn))模型參數(shù)。在“如何估計模型參數(shù)”和“代碼如何工作”的章節(jié)中介紹了校準(zhǔn)方法和程序。獲得參數(shù)之后,就需要對模型的質(zhì)量進(jìn)行檢驗(yàn),這是“模型性能如何”一節(jié)的主要內(nèi)容。在“實(shí)際做什么”一節(jié)中,將討論實(shí)際的應(yīng)用趨勢。文末討論了將來所面臨的挑戰(zhàn)。二、概念模型:知識和數(shù)據(jù)知識和數(shù)據(jù)是建立概念模型的基礎(chǔ)。已經(jīng)通過許多方法對“知識和數(shù)據(jù)”進(jìn)行了定義。通常認(rèn)為“知識”是對真實(shí)事物的認(rèn)識??茖W(xué)和哲學(xué)所關(guān)注的是這一認(rèn)識是否客觀而真實(shí)。這樣,只有客觀而真實(shí)的認(rèn)識才被認(rèn)為是“知識”。此處的“數(shù)據(jù)”是指關(guān)于含水層的所有信息,而不僅僅是野外測量的數(shù)據(jù)。地下水建模的基礎(chǔ)是對地下水行為的科學(xué)認(rèn)識和詳細(xì)的場地資料,用數(shù)學(xué)方程來表達(dá)對研究對象的認(rèn)識,通常會將這些方程處理成一系列可進(jìn)行數(shù)值求解的離散方程。數(shù)據(jù)既可以定性又可以定量地定義概念模型。表1是一些數(shù)據(jù)類型及其在模擬過程中的作用??梢愿鶕?jù)不同的標(biāo)準(zhǔn)對數(shù)據(jù)進(jìn)行分類。其中一種分類方式是將數(shù)據(jù)劃分為定性(“軟”)和定量(“硬”)數(shù)據(jù);另一種分類方式則考慮了數(shù)據(jù)的時間行為:靜態(tài)數(shù)據(jù)指的是不隨時間變化的量,而動態(tài)數(shù)據(jù)指的是隨時間變化的量;第三種分類方式是將數(shù)據(jù)劃分為被估參數(shù)和狀態(tài)變量(水頭和流量等)的測量值。表1水文地質(zhì)學(xué)常用的數(shù)據(jù)分類類型實(shí)例應(yīng)用知識達(dá)西定律和維度等控制方程軟數(shù)據(jù)定性和定量(間接)地質(zhì)(非均質(zhì)性)、地球物理學(xué)、遙感、粒度分析、測量誤差分布用參數(shù)表示、校準(zhǔn)硬數(shù)據(jù)定量抽水試驗(yàn)、示蹤試驗(yàn)、水頭、化學(xué)組分的濃度、其它測量驗(yàn)前信息、校準(zhǔn)、確認(rèn)通過測量獲得的定量數(shù)據(jù)會存在誤差。因此,應(yīng)當(dāng)采用概率密度函數(shù)(下文稱之為pdf)而非單一值來定義測量。在研究過程中,經(jīng)常會采用高斯分布,因?yàn)橐炎C實(shí)它適合用于描述很多變量(如導(dǎo)水系數(shù)的對數(shù),下文簡稱log-T),另外,高斯分布可以采用平均值和標(biāo)準(zhǔn)差來描述。假設(shè)這一分布易于利用,經(jīng)常要對不服從高斯pdf的數(shù)據(jù)進(jìn)行轉(zhuǎn)換,得到的pdf接近于高斯分布(如導(dǎo)水系數(shù))。這是一種常見的誤差源,因?yàn)閘og-T的點(diǎn)值服從高斯分布并不表示空間分布也服從多高斯分布(Gómez-Hernández和Wen,1998)。事實(shí)上,關(guān)于這一問題有很多爭議(Meier等,1999),但Log-T的多高斯特征是水文地質(zhì)學(xué)中最常見的假設(shè)。利用地質(zhì)統(tǒng)計學(xué)軟件來產(chǎn)生另一種可選擇的空間分布,例如,采用馬爾可夫鏈(Markov-chain)法(Weissmann等,1999)。狀態(tài)變量原始測量值的轉(zhuǎn)換也有助于增加數(shù)據(jù)對參數(shù)的靈敏度。在地表水水文學(xué)中,這一問題已得到了很多關(guān)注(Meixner等,1999)。在地下水研究工作中,相關(guān)的一個實(shí)例是模擬穿透曲線時,采用排泄點(diǎn)處的觀測總量而非單個濃度值。也可以利用峰值濃度和峰值時間(如Woodbury和Rubin,2000)。另外,采用不同類型的數(shù)據(jù)或利用權(quán)重方法也可增加數(shù)據(jù)的靈敏度(如Wagne和Gorelick,1987;Anderman和Hill,1999)。在利用不同類型的數(shù)據(jù)時,沒有通用的規(guī)則來確定數(shù)據(jù)的信息量(Larocque等,1999)。溫度資料可以反映關(guān)于垂直流量的信息(Woodbury等,1987)。根據(jù)環(huán)境同位素和測年資料,可以了解區(qū)域流動趨勢(Varni和Carrera,1998);Chen等(2003)采用沉降率來幫助確定隔水層的滲透性。Hill(1992)采用河川徑流的收益和損失來進(jìn)行模型校準(zhǔn)。總之,有大量的狀態(tài)變量資料可以利用??梢圆捎貌煌绞綄?shù)據(jù)應(yīng)用到反演過程中,通常考慮用包含狀態(tài)變量的觀測值h和模型參數(shù)p的矢量ω來表示大部分?jǐn)?shù)據(jù):
(1)
式中,h和p表示實(shí)際值,h*和p*表示測量值(或適當(dāng)?shù)霓D(zhuǎn)換值,p*通常稱為“驗(yàn)前估計”),和表示誤差。狀態(tài)變量測量值的先驗(yàn)誤差獨(dú)立于那些參數(shù)的誤差,這樣的假設(shè)比較合理。事實(shí)上,所有測量誤差都是獨(dú)立的,假設(shè)通常都比較合理。上文提及的轉(zhuǎn)換會造成數(shù)據(jù)之間的依賴性增加。對于模型參數(shù)更是如此,測量值與模型所需的數(shù)據(jù)絕不會完全吻合。為了獲得p*,需要利用所有可用的參數(shù)資料,如參數(shù)的點(diǎn)測量值和軟數(shù)據(jù)(如地球物理圖像)等。用一個數(shù)據(jù)矢量zp包括所有這些測量值,之后利用zp,將p的驗(yàn)前估計和協(xié)方差矩陣用線性條件期望方程的一般形式來表示。\o"點(diǎn)擊圖片看全圖"(2)\o"點(diǎn)擊圖片看全圖"(3)式中,Qpp、Qzze和Qpze分別表示模型參數(shù)的協(xié)方差、zp中的測量值、模型參數(shù)和zp中測量值的交叉協(xié)方差;E[·]表示期望值。實(shí)際上,評價這些矩陣的方法與p和zp的性質(zhì)有關(guān),如果zp表示點(diǎn)測量值,則可以通過協(xié)方差函數(shù)獲得Qzze(即Qzze是簡單克里金矩陣)。在這種情況下,根據(jù)協(xié)方差函數(shù)也可以求得Qpze,如果p表示log-T的塊值,則Qpze可能是平均值。如果p的先驗(yàn)期望E(p)、zp和未知,則需要擴(kuò)展這些矩陣,來加強(qiáng)無偏條件。另外,如果zp不僅包括點(diǎn)測量結(jié)果,還包括軟數(shù)據(jù),則在Qzze中應(yīng)當(dāng)包括這些數(shù)據(jù)之間的相關(guān)性,Qzze會成為一個協(xié)克里金矩陣。由于交叉協(xié)方差很難估計,因此,通常采用普通克里金法、外部漂移克里金法或其它非平穩(wěn)的克里金法。顯然,計算這些矩陣非常復(fù)雜,詳見一些地質(zhì)統(tǒng)計學(xué)的文章,如Kitanidis(1997)和Rubin(2003)。Carrera等(1993)對如何處理大量不同類型的數(shù)據(jù)進(jìn)行了逐步介紹。然而,無論如何構(gòu)建這些矩陣,都必須明確以下兩個問題:除了嚴(yán)格定性的數(shù)據(jù)(如地質(zhì)描述),還需要提供關(guān)于狀態(tài)變量和模型參數(shù)的所有類型的數(shù)據(jù);對這些數(shù)據(jù)進(jìn)行統(tǒng)計描述,以確定它們在反演過程中的權(quán)重。三、需要估計什么控制方程的系數(shù)是水力性質(zhì),需要對這些值進(jìn)行估計。除了具有梯度或張量性質(zhì),所有這些水力性質(zhì)都具有空間變異性,其中一些也隨時間而變化。獲得連續(xù)模型范圍內(nèi)每一點(diǎn)的水力性質(zhì)是不可能的。因此,需要采用離散表示法。根據(jù)少量的模型參數(shù)來表示水力性質(zhì)的方法稱為參數(shù)化。選擇模型參數(shù)并不是件容易的事,建模者往往采用很多自由度來對變異性進(jìn)行準(zhǔn)確描述。然而,如果模型參數(shù)量很大,那么反演可能會成為不適定問題(Hadamard,1902)。這樣就需要折衷,這是參數(shù)化方法的動機(jī)。許多研究人員將含水層性質(zhì)表示為未知模型參數(shù)的線性組合,這樣,任何水力性質(zhì)q(如面狀補(bǔ)給)都可以表示為:\o"點(diǎn)擊圖片看全圖"
(4)
式中,N是模型參數(shù)pi的數(shù)量,q0(x)是水力性質(zhì)的附加因子(初始模型參數(shù)為0時的q的初始值),是將面狀補(bǔ)給在時間和空間上進(jìn)行參數(shù)化的內(nèi)插函數(shù)。通過離散化可以將式(4)改寫為矩陣形式:q=q0+Aqp(5)式中,Aq是面狀補(bǔ)給內(nèi)插函數(shù)矩陣,p是模型參數(shù)矢量。這樣定義參數(shù)化方法的根據(jù)是:(1)對模型參數(shù)p的估計;(2)計算矩陣A的內(nèi)插方法;(3)水力性質(zhì)q0的初始分布。參數(shù)化方法不同于定義這些矢量和矩陣的方法,最常用的方法如下:(一)分區(qū)法將研究區(qū)分為若干個子區(qū)進(jìn)行參數(shù)化。一般而言,模型參數(shù)的每個矢量組成pi與一個子區(qū)相關(guān)。這樣在每個子區(qū)內(nèi),假定屬性q(x)為常數(shù)或者規(guī)定以事先確定的方式變化,如果點(diǎn)x落在所研究的子區(qū)之外,則認(rèn)為式(4)中內(nèi)插函數(shù)的值為0。通常時間和空間變化是分開的(Carrera和Neuman,1986),因此:q=(x,t)=pifx(x)ft(t)(6)式中,fx是空間函數(shù)(例如,如果pi表示子區(qū)的水力傳導(dǎo)系統(tǒng),q表示導(dǎo)水系數(shù),則fx可以表示含水層厚度);ft是時間函數(shù)(例如,如果q是面狀補(bǔ)給,ft可以表示根據(jù)土壤質(zhì)量平衡獲得的隨時間變化的補(bǔ)給量,pi是未知系數(shù))。分區(qū)的主要優(yōu)點(diǎn)是在分析地質(zhì)信息時的一般性和靈活性,例如,分區(qū)可以表示全部或部分地質(zhì)單元等。然而,需要強(qiáng)調(diào)的是,分區(qū)并不排斥地質(zhì)統(tǒng)計學(xué)方法的使用。事實(shí)上,Clifton和Neuman(1982)綜合應(yīng)用了分區(qū)法和克里金法。當(dāng)子區(qū)不必很大時,在保證地質(zhì)單元連貫性的同時,分區(qū)的目的就是降低p的維數(shù)(Stallman,1956)。事實(shí)上,Carrera等(1993)認(rèn)為,關(guān)于參數(shù)變化的可利用的地質(zhì)信息非常具有說服力(可以歸類為確定性數(shù)據(jù))時,比常規(guī)地質(zhì)統(tǒng)計學(xué)方法要更勝一籌。有些學(xué)者認(rèn)為分區(qū)法過于嚴(yán)格,因此,提出了對子區(qū)形狀進(jìn)行優(yōu)化的研究。特別引人關(guān)注的是在校準(zhǔn)過程中得到的子區(qū)形狀的“幾何變形”(Roggero和Hu,1998)。(二)點(diǎn)估計子區(qū)大小趨于0(事實(shí)上是趨于元素或柵格大小)的分區(qū)方式可作為分區(qū)法的特例,此時仍可以采用式(4)(如Meier等,2001)。然而,參數(shù)的空間維數(shù)就會很大,很難找到更合適的替換公式(Kitanidis和Vomvoris,1983;Dagan,1985;McLaughlin和Townley,1996)。下文會作進(jìn)一步說明。(三)啟發(fā)式內(nèi)插函數(shù)可以任意選擇式(4)中的內(nèi)插函數(shù)αi。選擇不同的類型,包括有限元(Yeh和Yoon,1981)和嶺函數(shù)(Mantoglou,2003)等。這些方法非常靈活,但是在如何定義模型參數(shù)的先驗(yàn)信息方面不是很清楚。(四)試驗(yàn)點(diǎn)法在這種情況下,p表示在一組試驗(yàn)點(diǎn)中,屬性q的未知值。這一方法最早由deMarsily等(1984)提出,現(xiàn)在已經(jīng)得到廣泛應(yīng)用(Ramarao等,1995;Vesselinov等,2001;Hernandez等2003),已經(jīng)成為非線性地質(zhì)統(tǒng)計反演的標(biāo)準(zhǔn)方法。在試驗(yàn)點(diǎn)測量值不確定的情況下,可以考慮將式(4)進(jìn)行一般化:\o"點(diǎn)擊圖片看全圖"(7)
式中,和分別表示測量值和試驗(yàn)點(diǎn)的克里金加權(quán)系數(shù)。對式(7)和式(4)進(jìn)行比較,顯然,q0是等式右邊的第一項,\o"點(diǎn)擊圖片看全圖"與相等。這一方法的主要優(yōu)點(diǎn)是相對簡單而且靈活,然而,直到2004年才認(rèn)識到需要考慮參數(shù)的先驗(yàn)信息。傳統(tǒng)上,式(7)的第一項是通過直接測量獲得的,但是在反演過程中不加以考慮。Doherty(2003)針對模型參數(shù)的不均勻性制定了調(diào)整標(biāo)準(zhǔn),但沒有用到先驗(yàn)信息。
(五)條件模擬到目前為止,所提出的方法都是基于尋求某種最佳估計。在以下章節(jié)可以看出,有時更傾向于尋求q(x,t)的可能模擬結(jié)果。Neuman和Wierenga(2003)提出了一種全面的模擬方法。Sahuquillo等(1992)、Gómez-Hernández等(1997)和Capilla等(1998)提出一種自校準(zhǔn)方法,其中用q0(x)表示根據(jù)所有可用信息(包括軟數(shù)據(jù)和硬數(shù)據(jù))得到的log-T模擬結(jié)果,αi(x,t)pi表示由一組主點(diǎn)masterpoint造成的擾動。另一種方法是將q(x)作為隨機(jī)函數(shù)的線性組合(Roggero和Hu,1998;Hu,2002),其中表示條件模擬,模型參數(shù)只是那些模擬的加權(quán)。總之,首先,需要表示水力性質(zhì)的變化;其次,最常用的參數(shù)化方法的基本表達(dá)式如式(4)?,F(xiàn)在的關(guān)鍵問題是如何找到模型參數(shù)p。四、如何估計模型參數(shù)p估計問題涉及到“最佳”模型參數(shù)的概念。問題是“最佳”意味著什么?關(guān)于這一問題沒有理想的答案。事實(shí)上,可能沒有哪一組模型參數(shù)可以代表“最佳”的現(xiàn)實(shí)情況,這也是條件模擬方法的動力——尋找可能的參數(shù)集合。下文將介紹一些最廣泛使用的方法。(一)優(yōu)化方法在這些方法中,將參數(shù)集合定義為目標(biāo)函數(shù)的最小值。確定目標(biāo)函數(shù)的最初目標(biāo)是保證計算值和測量值之間可以很好地擬合。擬合度可以由計算水頭和測量水頭之間的方差來表示,在數(shù)學(xué)術(shù)語中,這個方差是一個范數(shù)(稱為L2范數(shù))。然而,也可以利用其它一些范數(shù),而且有一些已經(jīng)應(yīng)用到地下水研究工作中。例如,可以用測量值和計算值之差的絕對值(L1范數(shù))來量化誤差。每個范數(shù)都有其優(yōu)點(diǎn):L2范數(shù)比L1范數(shù)更敏感,L1范數(shù)比L2范數(shù)更難應(yīng)用(Woodbury等,1987;Xiang等,1992)。定義性能指標(biāo)其實(shí)也就是一個最小化問題,即尋求使所選范數(shù)最小的模型參數(shù)。采用L2范數(shù),將最小化目標(biāo)函數(shù)寫為:\o"點(diǎn)擊圖片看全圖"(8)式中,是權(quán)重矩陣。當(dāng)Fh作為目標(biāo)函數(shù)時,問題經(jīng)常是不適定的。目標(biāo)函數(shù)的解也變得不穩(wěn)定,即參數(shù)集不同,但得到的Fh值卻非常相似。有時對初始參數(shù)表現(xiàn)出極度的敏感性,這樣模擬人員會認(rèn)為解是不唯一的。為了解決這些問題,一些研究人員選擇設(shè)置估計參數(shù)的上限和下限。事實(shí)上,這樣并沒有使問題得到解決。解決的只是在上下限之間波動,而并沒有提高可靠性。于是,Neuman(1973)在目標(biāo)函數(shù)中引入一項Fp:F=Fh+λFp(9)(10)該等式最初是根據(jù)擬合和穩(wěn)定性提出的。根據(jù)Tihonov(1993)的觀點(diǎn),可以將Fp作為正則項(調(diào)整項)。在水文學(xué)中,Emselem和deMarsily(1971)采用該項來降低擺動。當(dāng)Ch作為測量誤差的協(xié)方差矩陣時,可以根據(jù)統(tǒng)計平均值得到式(9)。Gavalas等(1976)將模型參數(shù)的后驗(yàn)概率密度函數(shù)最大化(最大后驗(yàn)法,MAP)來推導(dǎo)式(9)。得到的目標(biāo)函數(shù)是λ=1時的式(9)。Carrera和Neuman(1986)通過將參數(shù)可能性最大化(最大似然估計)推導(dǎo)式(9)。把式(9)放在統(tǒng)計學(xué)背景下進(jìn)行敘述的優(yōu)點(diǎn)是,得到的方法不僅能估計控制含水層性質(zhì)的參數(shù),也能估計那些控制不確定性的參數(shù)(方差、變異函數(shù)和似然性)。事實(shí)上,后者和前者同樣重要(Zimmerman等,1998)。將目標(biāo)函數(shù)最小化是一項艱巨的工作,這是由于狀態(tài)變量和參數(shù)之間的關(guān)系通常是非線性的。這也是反演問題的公式劃分為線性和非線性的原因。(二)線性方法不考慮用公式表示,可以將問題線性化為:h(p)=h0+Jhp(p-p*)(11)式中,Jhp是雅可比矩陣行列式(靈敏度矩陣),包括關(guān)于p的h的導(dǎo)數(shù)。后面的章節(jié)會對其計算方式進(jìn)行討論(靈敏度方程)。假設(shè)這個方程有效,可以將式(2)進(jìn)行一般化,得到給定h條件下的p的條件期望(Dagan,1985;Rubin和Dagan,1987)。這樣,就需要確定數(shù)據(jù)和參數(shù)Qph的交叉協(xié)方差以及Qhh的協(xié)方差矩陣,假定:
(12)
HYPERLINK"/uploadfile/200731819154341.gif"
(13)則:
(14)通過采用與式(2)相似的方式,擴(kuò)展矩陣和,就可以將式(14)看作協(xié)克里金(Kitanidis和Vomvoris,1983;Hoeksema和Kitanidis,1984),是通過將估計參數(shù)的方差最小化得到的。最重要的是式(14)和克里金估計值與幾何參數(shù)無關(guān),一旦確定Qhh,就可以從理論上估計任一點(diǎn)的p。事實(shí)上,Kitanidis和Vomvoris(1983)認(rèn)為需要估計的唯一參數(shù)就是表征log-T場的統(tǒng)計性質(zhì)的參數(shù)。另外,也需要知道測量誤差的協(xié)方差。(三)非線性方法根據(jù)式(11)引出一個問題:在參數(shù)先驗(yàn)估計時為什么要進(jìn)行線性化?事實(shí)上,Carrera和Glorioso(1991)證明圍繞估計參數(shù)本身線性化更好一些,這樣更接近于真實(shí)值。在實(shí)際工作中,可以通過反復(fù)迭代進(jìn)行線性化。Carrera和Glorioso(1991)研究表明,結(jié)果與將式(9)最小化的結(jié)果相同,式(14)的結(jié)果與將式(9)按照高斯-牛頓方法進(jìn)行一級迭代進(jìn)行最小化的結(jié)果相同。這樣就形成一個閉合環(huán)。對提及的估計方法的總結(jié)見表2:表2估算方法總結(jié)方法類型評估對象運(yùn)算法則(等式編號)研究人員最小二乘法非線性Fh(8)Cooley(1977)、Hill等(1998)最大似然估計非線性-2lnP(p/h)(9)CarreraandNeuman(1986)條件期望線性或非線性E(p/h)(14)Dagan(1985)、Carrera和Glorioso(1991)協(xié)克里金法線性或非線性方差估計(14)Kitanidis和Vomvoris(1983)、Carrera等(1993)最大后驗(yàn)法非線性P(p/h)(9)其中λ=1Gavalas等(1976)各種方法的差異與統(tǒng)計參數(shù)的刻畫和對不確定性的評價有關(guān)。本文沒有討論這些方法如何處理上面兩個問題,而是著重分析它們的重要性。五、代碼如何工作?許多代碼基本上都是按照如下的迭代過程運(yùn)行的,如:(1)初始化:讀取輸入數(shù)據(jù),設(shè)置迭代計數(shù)器i=0,初始化參數(shù)p0;(2)求解模擬問題h(pi),計算目標(biāo)函數(shù)Fi及其梯度gi(假定是連續(xù)可微分的)和雅可比矩陣行列式Jhp;(3)計算校正矢量d,可能會利用到先前的迭代信息以及gi和Jhp;(4)更新參數(shù),pi+1=pi+d;(5)如果已達(dá)到收斂,則停止計算,否則,取i=i+1返回到第(2)步。除了確定校正矢量d以及計算g和Jhp以外,其余步驟都非常簡單。最常用方法如下:(一)計算校正矢量dd的計算屬于優(yōu)化范疇。關(guān)于數(shù)值優(yōu)化方法的文獻(xiàn)很多,但是只有少量應(yīng)用于求解地下水反演問題(表3)。Cooley(1997)提出采用Marquardt方法(Marquardt,1963),這一方法的基礎(chǔ)是把目標(biāo)函數(shù)的二次逼近最小化,同時限制每次迭代的步長大小。這一方法效果非常好,通常經(jīng)過少量迭代后就會收斂,但是由于需要計算雅可比矩陣,因此比較耗時。Carrera和Neuman(1986)提出將擬牛頓方法和共軛梯度法結(jié)合使用。與Marquardt方法相比,這一方法的效果要差一些,但每次迭代的計算量要小得多,僅需要計算目標(biāo)函數(shù)的梯度。方法的選擇取決于研究問題。Cooley(1985)對這兩種方法進(jìn)行比較,認(rèn)為Marquardt方法要好一些。表3地下水反演模擬方法比較方法計算指標(biāo)收斂級收斂1研究人員高斯-牛頓,MarquardtF2、g3和J42局部Cooley(1977)共軛梯度F和g1局部Carrear和Neuman(1986)模擬退火遺傳算法F0全局Rao等(2003),Tsai等(2003)備注:1、全局收斂表示這種方法可以從理論上擺脫局部極?。痪植渴諗勘硎具@種方法很難擺脫一個局部極小值;2、目標(biāo)函數(shù);3、梯度矢量;4、雅可比矩陣。大部分代碼都利用了這些方法,一般稱之為“下降法”,因?yàn)檫@些方法試圖在每次迭代中改進(jìn)目標(biāo)函數(shù)。因此,它們往往易收斂于局部極小??朔植繕O小值是許多方法的研究動機(jī),如模擬退火或遺傳算法(Tsai等,2003)。已證明在地表水水文學(xué)研究中一種非常有效的方法——SCE算法(ShuffledComplexEvolution)(Duan等,1992),但尚未應(yīng)用在地下水領(lǐng)域中。這些方法在實(shí)際工作中尚未得到廣泛應(yīng)用,原因是:當(dāng)參數(shù)數(shù)量很大時(大于20),方法的性能會降低,這在含水層模擬工作中經(jīng)常出現(xiàn);另外,由于需要對目標(biāo)函數(shù)進(jìn)行大量評價,因此導(dǎo)致地下水模型的成本過高。比較不同優(yōu)化方法時,前述問題的復(fù)雜性具有一定的關(guān)聯(lián)。例如,如果直接問題是非線性的,則與計算梯度或雅各比矩陣相比,評價目標(biāo)函數(shù)的成本會更高,因?yàn)檫@些計算是無法迭代的。這樣在解決非線性問題時,傾向于采用二階收斂而非一階或零階收斂的方法。(二)靈敏度方程靈敏度是狀態(tài)變量對模型參數(shù)的導(dǎo)數(shù)。這一方程非常有用,主要有兩個原因:一是可以應(yīng)用于上文提及的一些優(yōu)化方法中,二是可以得到關(guān)于模型和估計參數(shù)可靠性的信息。另外,由于根據(jù)該方程可以確定哪些數(shù)據(jù)對哪些參數(shù)最靈敏,因此可以用于設(shè)計優(yōu)化網(wǎng)絡(luò)(見“模型性能如何”一節(jié))。靈敏度一般可以通過以下三種方法獲得:直接求導(dǎo)法、伴隨狀態(tài)法和有限差分法。Carrera等(1990)、Carrera和Medina(1994)對這些方法進(jìn)行了比較。直接求導(dǎo)法是對模擬方程簡單求導(dǎo),在穩(wěn)定條件下,可以得到:\o"點(diǎn)擊圖片看全圖"(15)需要注意,在式(15)中,可以計算節(jié)點(diǎn)水頭對參數(shù)的導(dǎo)數(shù),但是采用有限元法(FEM)的內(nèi)插函數(shù)可以計算空間上每一點(diǎn)的導(dǎo)數(shù)。同時也可以計算與水頭有關(guān)的任何變量的導(dǎo)數(shù)。伴隨狀態(tài)法是根據(jù)將F的最小化作為關(guān)于h和p的優(yōu)化問題,同時將狀態(tài)方程作為等式約束。伴隨狀態(tài)矢量λ是聯(lián)合優(yōu)化問題的拉格朗日乘子的集合,可以根據(jù)下式獲得:\o"點(diǎn)擊圖片看全圖"(16)這樣目標(biāo)函數(shù)的梯度就可以寫為:HYPERLINK"/uploadfile/2007318192059990.gif"
(17)伴隨狀態(tài)方程也可以用于計算雅可比矩陣,當(dāng)觀測點(diǎn)數(shù)量小于參數(shù)數(shù)量時,這一方法具有一定優(yōu)勢,也可以準(zhǔn)確計算Hessian矩陣(目標(biāo)函數(shù)對模型參數(shù)的二階導(dǎo)數(shù))(詳見Carrera和Medina,1994;Medina和Carrera,2003的研究成果)。有限差分是根據(jù)增量比取近似導(dǎo)數(shù)求得的:\o"點(diǎn)擊圖片看全圖"(18)采用有限差分時無需計算雅可比矩陣。直接問題的性質(zhì)也會影響導(dǎo)數(shù)計算方法的選擇。如果問題是非線性的(如非飽和流),則計算量會非常大,這樣采用有限差分法的成本要比精確方法高(見表4)。然而,有限差分法比較靈活,越來越多的代碼使用了這一方法,如UCODE和PEST(Poeter和Hill,1998;Doherty等,2002)。表4導(dǎo)數(shù)計算的方法比較方法優(yōu)點(diǎn)缺點(diǎn)每次迭代成本線性問題非線性問題直接求導(dǎo)法精確難編程10111101伴隨狀態(tài)法精確難編程211n/a有限差分法容易編程不精確1011010備注:1、如果可以利用這樣一個事實(shí),即所有參數(shù)的系統(tǒng)矩陣是相同的,則可以減小精確求導(dǎo)和伴隨狀態(tài)法的計算成本;2、根據(jù)100個參數(shù)和20個觀測點(diǎn)假設(shè)問題的模擬運(yùn)行時間,估計高斯-牛頓迭代的成本;3、對于直接非線性問題(即非線性控制方程,如非飽和流問題),假定需要進(jìn)行10次迭代。
六、模型性能如何?根據(jù)模擬流程,在對參數(shù)進(jìn)行估計時,需要評價模型概念和估計參數(shù)的性能。模型質(zhì)量受3個因素影響(Beck,1987):(1)模型結(jié)構(gòu)的不確定性;(2)模型結(jié)構(gòu)中出現(xiàn)的參數(shù)值的不確定性;(3)系統(tǒng)預(yù)測的不確定性。此處的不確定性不僅指誤差的隨機(jī)波動,也指系統(tǒng)偏差。(一)模型結(jié)構(gòu)的不確定性由于數(shù)據(jù)不完整和不一致,概念模型具有許多不確定性特征。建模人員被迫做簡化假設(shè)。在參數(shù)化、離散化和選擇邊界條件等過程中會引入誤差。解決這些不確定性經(jīng)常需要引入幾個概念模型。可以根據(jù)殘差分布、參數(shù)相關(guān)和參數(shù)的置信區(qū)間等對不同的模型進(jìn)行比較。理想情況下,一個好的模型應(yīng)當(dāng)與觀測結(jié)果、不相關(guān)殘差和合理的參數(shù)值相符?,F(xiàn)在有幾種模型符合這些標(biāo)準(zhǔn),需要在其中選擇最合適的模型。在時間序列分析和地下水應(yīng)用研究中,已經(jīng)確定了幾種模型選擇標(biāo)準(zhǔn)(Akaike,1974,1977;Rissanen,1978;Schwarz,1978;Hannan,1980;Kashyap,1982)。Carrera和Neuman(1986)應(yīng)用這些標(biāo)準(zhǔn)中的其中4條進(jìn)行綜合測試研究,認(rèn)為Kashyap標(biāo)準(zhǔn)最佳。Carrera等(1990)以及Median和Carrera(1996)也得到類似的研究結(jié)果。然而,研究人員可能會質(zhì)疑只選擇一種模型是否合適。如果其它模型與有效的數(shù)據(jù)相容但不采用這些模型的話,會不符合邏輯。這種質(zhì)疑使得許多模型得到認(rèn)可,并用來確定模型預(yù)測的不確定性(Beven和Binley,1992;Beven和Freer,2001)。(二)校準(zhǔn)過程中的難點(diǎn)優(yōu)化問題中最重要的難題是多解性、不可識別性和不(18)采用有限差分時無需計算雅可比矩陣。直接問題的性質(zhì)也會影響導(dǎo)數(shù)計算方法的選擇。如果問題是非線性的(如非飽和流),則計算量會非常大,這樣采用有限差分法的成本要比精確方法高(見表4)。然而,有限差分法比較靈活,越來越多的代碼使用了這一方法,如UCODE和PEST(Poeter和Hill,1998;Doherty等,2002)。表4導(dǎo)數(shù)計算的方法比較方法優(yōu)點(diǎn)缺點(diǎn)每次迭代成本線性問題非線性問題直接求導(dǎo)法精確難編程10111101伴隨狀態(tài)法精確難編程211n/a有限差分法容易編程不精確1011010備注:1、如果可以利用這樣一個事實(shí),即所有參數(shù)的系統(tǒng)矩陣是相同的,則可以減小精確求導(dǎo)和伴隨狀態(tài)法的計算成本;2、根據(jù)100個參數(shù)和20個觀測點(diǎn)假設(shè)問題的模擬運(yùn)行時間,估計高斯-牛頓迭代的成本;3、對于直接非線性問題(即非線性控制方程,如非飽和流問題),假定需要進(jìn)行10次迭代。穩(wěn)定性。當(dāng)不止一組參數(shù)能產(chǎn)生正問題的給定解時,會存在不可識別問題;當(dāng)不止一組參數(shù)可以使目標(biāo)函數(shù)最小化時,會存在多解性問題;當(dāng)觀測值的較小變化會引起估計參數(shù)的較大變化時,會存在不穩(wěn)定性問題,但是通常可以根據(jù)求解初始參數(shù)確定。另外,優(yōu)化算法,如Marquardt和共軛梯度法可能會陷入局部極小,不能表現(xiàn)出全局優(yōu)化。Carrera和Neuman(1986)對這些概念進(jìn)行了討論,顯示這些概念之間具有較強(qiáng)的相關(guān)性。事實(shí)上,無論是否是線性問題,都可以用不確定性來刻畫。不穩(wěn)定性和較大的不確定性是不同的概念,但是二者經(jīng)常與延伸的置信區(qū)間有關(guān),可以通過后驗(yàn)協(xié)方差矩陣的特征值和特征向量來刻畫。該矩陣的特征向量構(gòu)成了一組正交矢量,每個矢量都與一個特征值相關(guān)。與最大特征值相關(guān)的矢量表示具有最大不確定性的參數(shù)的線性組合,而與最小特征值相關(guān)的矢量表示不確定性最小。如果特征值差別極大,則很可能會出現(xiàn)不穩(wěn)定性。估計參數(shù)之間具有某種聯(lián)系,這樣會造成參數(shù)的置信區(qū)間比假如參數(shù)是獨(dú)立時的置信區(qū)間要大很多。解決不穩(wěn)定性和大的不確定性的方法包括:
正則化(調(diào)整參數(shù)),這也正是在式(9)的目標(biāo)函數(shù)中引入Fp的原因。Weiss和Smith(1998)認(rèn)為先驗(yàn)信息是減少不確定性最有效的方法;
減少參數(shù)量,這是“需要估計什么”一節(jié)討論的優(yōu)化方案的動機(jī);
增加數(shù)據(jù)量和數(shù)據(jù)類型,已在“概念模型:知識和數(shù)據(jù)”一節(jié)討論過;
優(yōu)化觀測方案,可以設(shè)計觀測網(wǎng)和試驗(yàn)來減小模型的不確定性,增加數(shù)據(jù)的可靠性,來區(qū)別對待不同的模型(Knopman和Voss,1989;Usunoff等,1992)。盡管如此,還是不可能得到問題的唯一解。這樣就促使一些研究人員不采用估計,而使用隨機(jī)模擬方法(如,Gómez-Hernández等,1997)。不確定性與所有模擬的總集,而非不確定性的統(tǒng)計特征有關(guān)。還有另一種可供選擇的方法,Yapo等(1998)采用稱為帕累托最優(yōu)(ParetoOptimum)的概念來研究不穩(wěn)定性,指出改進(jìn)目標(biāo)函數(shù)某一組分的參數(shù)矢量集合會造成另一個組分的失效。(三)預(yù)測系統(tǒng)未來行為的難點(diǎn)所有以上的難點(diǎn)會造成模型參數(shù)具有一些不確定性,因此模型預(yù)測也就遺傳了這種不確定性。多尺度概念模型可能會進(jìn)一步造成模型預(yù)測的不確定性。因此,評價預(yù)測的不確定性需要分析參數(shù)和模型不確定性的影響。后者通??梢愿鶕?jù)模型模擬和評價預(yù)測范圍來分析(如Medina和Carrera,1996)。當(dāng)需要進(jìn)行系統(tǒng)化時,由于所建立的概念模型是非系統(tǒng)的,因此很難進(jìn)行系統(tǒng)化。這樣就需要重點(diǎn)評價參數(shù)不確定性的影響??梢圆捎脦追N方法來量化預(yù)測的不確定性:線性近似、非線性近似和蒙特卡羅方法。線性方法相對簡單,根據(jù)后驗(yàn)協(xié)方差矩陣進(jìn)行計算:\o"點(diǎn)擊圖片看全圖"(19)式中,Jhp是雅可比矩陣,Ch是測量協(xié)方差矩陣,Cp是參數(shù)協(xié)方差矩陣。如果f是一個模型預(yù)測值(f是參數(shù)p的一個函數(shù)),可以根據(jù)下式確定方差的下限:\o"點(diǎn)擊圖片看全圖"(20)
式中,表示獨(dú)立于參數(shù)不確定性的模型誤差。該方程只是線性近似,因此實(shí)際不確定性可能遠(yuǎn)大于所得到的結(jié)果,這也是需要開發(fā)更為復(fù)雜方法的原因。然而,根據(jù)這一等式可以清楚地量化出不同的因素如何影響預(yù)測的不確定性。一般而言,預(yù)測不確定性與以下條件有關(guān):(1)預(yù)測對模型參數(shù)和初始條件的靈敏度,顯然,只有當(dāng)預(yù)測對參數(shù)響應(yīng)靈敏時,這些參數(shù)才會引起重視,可以根據(jù)求得。這也是有時會采用靈敏度分析而非誤差分析的原因。(2)模型參數(shù)的不確定性(和/或初始狀態(tài)),可以根據(jù)協(xié)方差矩陣Σp求得。非線性方法應(yīng)用難度更大。Vecchia和Cooley(1987)提出計算非線性置信區(qū)間的方法,得到的結(jié)論如下:(1)線性和非線性置信區(qū)間通常是互相偏移或變化的,而且非線性置信區(qū)間通常要大一些;(2)非線性置信區(qū)間通常比線性置信區(qū)間的變化范圍大;(3)隨著區(qū)間的增大,線性和非線性置信區(qū)間的差異也隨之增大;(4)先驗(yàn)信息可以改變置信區(qū)間的大小。Christensen和Cooley(1999)提出了一種量化模型非線性的方法。目前PEST的預(yù)測分析包括非線性置信區(qū)間。蒙特卡羅方法是計算能力最強(qiáng)的方法,基于不同參數(shù)集的正問題評價。這一方法的主要優(yōu)點(diǎn)是易于理解,可以產(chǎn)生一個概率密度函數(shù),無需進(jìn)行復(fù)雜的假定;主要問題是很難確定所需的模擬量。實(shí)例之一是普適似然不確定估計(GLUE)方法(Beven和Freer,2001)。七、實(shí)際做什么?(一)應(yīng)用趨勢科技期刊中的文獻(xiàn)往往集中在新方法和新解釋的發(fā)展上,因此不適用于分析應(yīng)用趨勢,只有內(nèi)部報告或?qū)n}研討會才經(jīng)常有關(guān)于應(yīng)用的分析,因此,本節(jié)分析是基于作者的個人觀點(diǎn),會有一些偏差??梢枣溄親YPERLINK"/portal.cgi"/portal.cgi的“webofscience”,查詢主要期刊上已出版的所有相關(guān)文章。根據(jù)統(tǒng)計,關(guān)于反演模擬的論文數(shù)量基本穩(wěn)定(其中有5%是關(guān)于地下水模擬研究),而且在過去的13年里,關(guān)于反演模擬研究的論文數(shù)量在緩慢而穩(wěn)定地增加。這些論文覆蓋面很廣,在前文中已經(jīng)引用了一些。然而,很難確定應(yīng)用趨勢,唯一可以確定的是地質(zhì)統(tǒng)計方法反演往往用來分析相對小范圍的問題,如解釋水力試驗(yàn),而大尺度模型趨向于分析分區(qū)問題??梢詫⒋蠖鄶?shù)地下水應(yīng)用軟件劃分為這兩類,將在下文作進(jìn)一步討論。(二)地質(zhì)統(tǒng)計學(xué)反演在模擬含水層時,為了確定水力性質(zhì)(特別是導(dǎo)水系數(shù))的變化,應(yīng)用到了地質(zhì)統(tǒng)計學(xué)方法。然而,可以從兩方面來認(rèn)識這種需要:(1)約束模型參數(shù);(2)模型預(yù)測。盡管這兩點(diǎn)并不排斥,但很少放在一起使用。在方法上,地質(zhì)統(tǒng)計反演遵循Clifton和Neuman(1982)最初提出的步驟,也就是說,首先提出一個隨機(jī)模型(即不考慮Log-T是否穩(wěn)定,變異函數(shù)和平均值是什么等);其次,根據(jù)方程(2)和(3),采用可以利用的資料來產(chǎn)生一個前驗(yàn),log-T的最佳估計及其協(xié)方差;最后,通過最小化方程(9)或利用方程(14),在前兩步分析的基礎(chǔ)上獲得模型參數(shù)的估計。Kitanidis和Vomvoris(1983)、Carrera和Neuman(1986)認(rèn)為需要對統(tǒng)計參數(shù)(誤差方差和相關(guān)距離等)進(jìn)行最優(yōu)估計,因此對這一方法進(jìn)行了改進(jìn)。許多研究人員已經(jīng)認(rèn)識到這些參數(shù)的重要性。事實(shí)上,這也是Zimmerman(1998)對不同地質(zhì)統(tǒng)計學(xué)反演技術(shù)進(jìn)行比較之后得出的結(jié)論之一。野外數(shù)據(jù)的成功應(yīng)用也僅限于相對小尺度的問題,其中包括水力試驗(yàn)解釋(Yeh和Liu,2000;Meier等,2001;Vesselinov等,2001)、井捕獲區(qū)描繪(Vassolo等,1998;Kunstmann等,2002;Harrar等,2003)以及其它應(yīng)用(Barlebo等,2004)。大尺度含水層很少應(yīng)用這一方法,這一事實(shí)說明,很難用地質(zhì)統(tǒng)計學(xué)方法模擬大尺度含水層,同時也表明了地質(zhì)統(tǒng)計學(xué)方法在應(yīng)用過程中的兩個局限性:不能充分考慮地質(zhì)信息,不能重現(xiàn)真實(shí)的變化性。地質(zhì)信息通常用術(shù)語(如沉積類型、導(dǎo)水特征的方向性等)來表達(dá),這在反演過程中很難說明。這類信息在大尺度范圍內(nèi)可能會很準(zhǔn)確,但在試驗(yàn)尺度內(nèi),則很少是準(zhǔn)確的,在此過程中,唯一可以確定的是滲透性是變化的,這也是地質(zhì)統(tǒng)計學(xué)所公認(rèn)的。不過,在離散特征得到識別后,可以通過將其作為確定性的特征,而使反演方法得到明顯改進(jìn),這一點(diǎn)也為Meier等人(2001)所認(rèn)識,他們采用剪切帶應(yīng)力狀態(tài)的相關(guān)信息來確定裂隙導(dǎo)水系數(shù)的各向異性。然而,地質(zhì)統(tǒng)計學(xué)估計的主要問題是不能重現(xiàn)真實(shí)的變化。正如在“如何估計模型參數(shù)p”一節(jié)所討論的,根據(jù)式(9)和(14)可以得到給定數(shù)據(jù)的log-T的條件期望,同樣的,估計不能反映真實(shí)的偏差,因?yàn)槠谕狄呀?jīng)將偏差給過濾掉了。當(dāng)資料充分時(通常需要經(jīng)過詳細(xì)的水力試驗(yàn)),可以從一定程度上確定變化類型(如Meier等,2001);否則,只有估計協(xié)方差才能提供關(guān)于變異性和導(dǎo)水性質(zhì)好的區(qū)域(溶質(zhì)運(yùn)移通道)或?qū)再|(zhì)差的區(qū)域的信息。解決大尺度地質(zhì)統(tǒng)計學(xué)反演反題的另一個方法是利用地球物理數(shù)據(jù)(Hubbard和Rubin,2000)。Gómez-Hernández及其合作伙伴(Gómez-Hernández等,1997;Capilla等,1998)使用條件模擬對以上問題進(jìn)行了研究。理想情況下,所有這些模擬的平均值都等于條件估計值,但是每一個模擬都可以重現(xiàn)假定的變異性。這樣,在預(yù)測對變異性比較敏感的過程(如污染物運(yùn)移)時,采用模擬方法就適合得多。(三)基于地質(zhì)條件的反演含水層尺度模型和試驗(yàn)尺度模型的主要區(qū)別是:確定變異性和參數(shù)類型的多樣性時對地質(zhì)條件的依賴程度。關(guān)于變異性的地質(zhì)資料一般都不準(zhǔn)確,但是不能忽略。不同地層或同一個地層中不同的地質(zhì)單元,會具有不同的性質(zhì)。這樣,在描繪這些地質(zhì)單元時,就不能忽略這種信息的價值。然而,很難準(zhǔn)確認(rèn)識地質(zhì)單元的邊界條件。因此,當(dāng)認(rèn)識到幾何形狀非常重要時,就要進(jìn)行大量的工作對不同的幾何形狀進(jìn)行研究。這個過程包括確定幾何形狀,并通過可利用的資料進(jìn)行測試,重復(fù)進(jìn)行直到滿意為止。這一過程很單調(diào),需要模擬人員和地質(zhì)人員的互動。事實(shí)上,這個工作沒有進(jìn)行很好的備案,因此,如果幾年后對模型進(jìn)行修改,就不能確定當(dāng)時為什么會選擇這種模型結(jié)構(gòu)。如果需要同時確定導(dǎo)水系數(shù)和其它類型的參數(shù)類型時,問題就會變得更復(fù)雜。根據(jù)作者的經(jīng)驗(yàn),補(bǔ)給(補(bǔ)給量和補(bǔ)給時間)、邊界流量、抽水率(抽水率通常都會被低估)以及河流與含水層相互作用等方面經(jīng)常存在不確定性。Cooley等(1986)和Hill(1998)嘗試對這些問題進(jìn)行研究??梢源_定下面的一些趨勢:
水力傳導(dǎo)系數(shù)和導(dǎo)水系數(shù)的點(diǎn)值易出現(xiàn)誤差。而且,當(dāng)模擬尺度比抽水試驗(yàn)尺度大得多時,這兩個參數(shù)用處不大。需要將這些測量值放在相關(guān)的地質(zhì)條件下進(jìn)行分析;
即使資料不完善,也要在模擬過程中考慮一些主要特征(導(dǎo)水裂隙帶和古河道等);
含水層活動的許多信息包括在離散事件(洪水和強(qiáng)降雨)中。要充分利用這些資料就需要采用瞬時模擬;
模型校準(zhǔn)很少是唯一的(即不同的模型結(jié)構(gòu)可能都會與硬數(shù)據(jù)擬合很好)。在模型預(yù)測時,需要承認(rèn)這種不確定性。為了減小不確定性,就需要補(bǔ)充資料。這種方法具有幾個缺點(diǎn):一方面,沒有正確考慮不確定性,模型參數(shù)的協(xié)方差矩陣不僅取決于硬數(shù)據(jù),也取決于模擬人員的主觀判斷;另一方面,除校準(zhǔn)條件外,無法保證模型的有效性??傊枰獙@個過程進(jìn)行系統(tǒng)化,這一工作可以通過地質(zhì)統(tǒng)計學(xué)來完成,因此,需要尋找能充分利用定性地質(zhì)資料的地質(zhì)統(tǒng)計學(xué)描述。八、下一步工作通過上述討論,顯而易見,在針對含水層刻畫和管理的地下水研究工
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 二手房協(xié)議購房
- 分家協(xié)議范本2025
- 2024版二手房房屋買賣合同協(xié)議15篇
- 工作領(lǐng)域2 新居住項目產(chǎn)品與價格策70課件講解
- 2023年酒店、廚房設(shè)備用品項目融資計劃書
- 2023年消化系統(tǒng)用藥項目融資計劃書
- 2023年全自動金屬帶鋸床超精密加工機(jī)床項目融資計劃書
- 【虎嘯】2024年虎嘯年度洞察報告-3C家電行業(yè)
- 機(jī)械制圖考試題+答案
- 廣東省茂名市高州市2023-2024學(xué)年八年級上學(xué)期期末考試數(shù)學(xué)試卷(含答案)
- 福建省廈門市2023-2024學(xué)年高二上學(xué)期期考化學(xué)試題(含答案)
- 廣東省六校聯(lián)考2024-2025學(xué)年高二上學(xué)期12月月考試題 英語 含答案
- 人教版高一地理必修一期末試卷
- 山東省臨沂市2023-2024學(xué)年高二上學(xué)期1月期末地理試題 附答案
- 2025北京語言大學(xué)新編長聘人員招聘21人筆試備考試題及答案解析
- 博鰲機(jī)場控制區(qū)證件培訓(xùn)專項測試卷
- 《毛概》23版學(xué)習(xí)通超星期末考試答案章節(jié)答案2024年
- 第八單元測試-2024-2025學(xué)年統(tǒng)編版語文三年級上冊
- TTJSFB 002-2024 綠色融資租賃項目評價指南
- 珠寶鑒賞智慧樹知到期末考試答案章節(jié)答案2024年同濟(jì)大學(xué)
- 國家開放大學(xué)《中文學(xué)科論文寫作》形考任務(wù)1-4參考答案
評論
0/150
提交評論