[發明專利]一種考慮多種不確定性的大壩滲流性態分析方法

有效

• 申請號: 202010746295.2
• 申請日: 2020-07-29
• 公開（公告）號: CN111950140B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 王曉玲;余紅玲;佟大威;關濤;王佳俊
• 申請（專利權）人: 天津大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/13
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 王蒙蒙

本發明公開了一種考慮多種不確定性的大壩滲流性態分析方法，包括：步驟1，利用拉丁超立方抽樣方法和大壩滲流數值模擬模型構造樣本對；步驟2，利用步驟1構造的樣本對建立代理模型；步驟3，采用隨機方法量化反演過程中的多種不確定性，并基于貝葉斯規則計算待反演的滲流參數，將計算得到的待反演的滲流參數用于校正大壩滲流數值模擬模型，從而對大壩滲流性態進行準確分析。本發明在滲流參數隨機反演方法中綜合考慮多種不確定性，從而準確可靠地反演大壩滲流參數并合理地分析評估滲流性態。

技術領域

本發明涉及水利水電工程中大壩滲流性態分析技術，特別涉及一種考慮多種不確定性的大壩滲流性態分析方法。

背景技術

滲流參數(如壩體和壩基的滲透系數)是影響大壩滲流數值模擬模型準確性的關鍵參數。然而，通過室內試驗或者現場原位試驗所獲取的滲流參數和實際情況均有較大偏差。以現場觀測資料為基礎的參數反演分析方法能夠獲得較為準確的滲流參數，為校正大壩滲流數值模擬模型提供數據基礎，因而在大壩滲流性態分析中占有重要地位。

目前常用的參數反演方法有很多，包括最小二乘法[1]、高斯-牛頓法[2]，Levenberg-Marquardt方法^[3]；人工神經網絡[4]和遺傳算法^[5]等。然而，這些參數反演方法都只能得到滲流參數的確定性點估計值，而沒有考慮反演過程中存在的多種不確定性問題，得到的反演結果可靠性較低。

滲流參數反演過程中往往存在多種不確定性，例如模型不確定性、參數不確定性和測量不確定性等。模型不確定性一般來源于采用概念模型對真實滲流物理現象的近似表達、對復雜水文地質模型的簡化以及網格離散化時的誤差等[6]。在反演計算模型中通常涉及到大量需要指定的參數，而參數不確定性則是由滲流參數的固有特性(如，滲透系數、孔隙率的空間變異性等)以及人們的認知不確定性(如，對參數取值存在的模糊性、灰色性和未確知性等)造成的[7]。此外，在搜集、測量、記錄和處理監測數據過程中，由于人為或系統原因，不可避免又會帶來監測數據的誤差，即測量不確定性[8]。在滲流參數反演過程中存在的多種不確定性不可避免地會影響參數反演結果的可靠性，因此采用有效的方法來考慮和分析這些不確定性是很有必要的。

貝葉斯反演方法是一種常用于參數反演和不確定性評估的方法，該方法在提供待反演參數的先驗分布和實測數據的情況下，通過貝葉斯規則可以推導出待反演參數的后驗分布。目前，許多學者都將貝葉斯反演方法應用于滲流參數反演研究中。呂鵬等[9]在貝葉斯反演方法中引入熵-盲數理論，對某碾壓混凝土壩壩基的滲透系數進行了反演研究；陸樂等^[10]在貝葉斯反演方法中采用單分量自適應Metropolis(SCAM)采樣算法并加入了權重因子,從而大大提高了復雜地下水問題中高維參數識別的求解效率；張雙圣等^[11]基于貝葉斯公式及信息熵最小的累進加井的多井監測方案優化方法，采用差分進化自適應Metropolis算法對非均質地下含水層的污染源參數和含水層參數進行了同步反演；張江江^[12]為了提高參數反演的計算效率，提出了基于替代系統的貝葉斯不確定性分析方法，從而高效、準確地反演地下水溶質運移模型的關鍵參數；李朋濤^[13]基于嵌套采樣算法的貝葉斯方法，對理想模型和三堡水文地質試驗場開展了水文地質參數的反演研究；董海彪^[14]基于克里格替代模型和改進的貝葉斯反演方法對地下水污染源參數進行了反演研究。

在上述研究中，貝葉斯反演方法能夠較為準確地獲得參數反演結果。然而，目前大多數貝葉斯反演方法都僅集中于對參數不確定性的研究，而忽略了模型不確定性和測量不確定性等其他不確定性。此外，由于貝葉斯反演方法需要大量重復調用正演模型來使參數的后驗分布達到收斂，為了提高計算效率，大多數貝葉斯反演方法研究都會采用代理模型來替代計算耗時的正演模型。然而，代理模型不可避免地會給參數反演帶來額外的不確定性，目前還很少有研究來量化參數反演研究中代理模型的不確定性。因此，如何有效地考慮參數反演過程中存在的模型不確定性、參數不確定性、測量不確定性以及代理模型不確定性，對于獲得準確可靠的滲流參數以及合理地分析評估滲流性態具有重要意義。