[發明專利]一種大壩滲流參數反演方法

有效

• 申請號: 202010988712.4
• 申請日: 2020-09-18
• 公開（公告）號: CN112307536B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 任炳昱;吳斌平;余紅玲;余佳
• 申請（專利權）人: 天津大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/28;G06F111/10
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

1.一種大壩滲流參數反演方法，其特征在于：包括如下步驟：

步驟1：采用拉丁超立方抽樣方法從待反演滲流參數的取值范圍內抽取樣本點；

步驟2：通過滲流數值模擬計算各樣本點對應的響應值并構建訓練樣本和測試樣本；

步驟3：利用訓練樣本訓練各代理模型；

步驟4：基于DREAM算法確定各代理模型的權重系數，通過加權求和構建集合代理模型；

步驟5：采用步驟4中所構建的集合代理模型替代計算耗時的大壩滲流數值模擬模型，基于貝葉斯反演方法計算獲得待反演滲流參數； 其中：

所述步驟4包括如下步驟：

在[0,1]范圍內隨機生成各代理模型的初始權重作為先驗信息，隨機產生權重系數的N個初始樣本，計算各樣本的后驗概率值,開始進行N條平行鏈的進化；

針對第j(j＝1,2,…,N)條馬爾科夫鏈，產生候選樣本w_j,t+1,計算如公式(1)所示,

其中,w_j,t為第j條馬爾科夫鏈第t代的樣本；I_n為n階單位矩陣；e、ε為隨機產生的很小的數，且ε服從U_n(-b,b)，ε服從N_n(0,b')，b、b'為自定義的極小值；δ代表用于產生候選樣本的平行鏈對數；γ(δ,n)為比例因子，一般定義為r₁(m)，r₂(k)為隨機選取的平行鏈編號，并滿足r₁(m),r₂(k)∈{1,2,…,N}，r₁(m)≠r₂(k),(m＝1,2,…,δ；k＝1,2,…,δ)；

根據交叉概率p_c確定是否接受候選樣本分量定義交叉概率p_c∈[0,1],n_def＝n,如果u≤1-p_c，則不接受，反之，則接受； u為根據0-1均勻分布產生的隨機數；

計算新候選樣本w_j,t+1的后驗概率值，并計算接受概率α(w_j,t,w_j,t+1),計算如公式(2)所示,

根據α(w_j,t,w_j,t+1)判斷是否接受新候選樣本w_j,t+1,如果α(w_j,t,w_j,t+1)≥u,則接受新候選樣本,否則不接受,并令w_j,t+1＝w_j,t；

根據Inter－Quartile－Range(IQR)方法統計去除無用鏈；

采用比例得分因子S_R判斷采樣過程的收斂性,比例得分因子S_R的計算如公式(3)所示，

其中，g為每條馬爾科夫鏈的進化代數，q為用于評價的馬爾科夫鏈條數，B/g為q條馬爾科夫鏈平均值的方差,W為q條馬爾科夫鏈方差的平均值；

當S_R1.2時,表示權重系數收斂于穩定的后驗分布，則計算結束，取權重系數后驗分布的均值為各代理模型的最終權重w_j，否則重復公式(1)到公式(2)之間的步驟，繼續進化平行鏈；

根據獲得的各代理模型的權重系數w_j，通過加權求和構建集合代理模型，計算如公式(4)所示，

其中，f_en(x)為集合代理模型的預測值；f_j(x)為第j(j＝1,2,…,k)個代理模型的預測值；w_j為第j(j＝1,2,…,k)個代理模型的權重系數，且滿足其中：

所述步驟5包括如下步驟：

采用步驟4中所構建的集合代理模型替代計算耗時的滲流數值模擬模型，根據滲流實測數據，通過貝葉斯反演方法計算待反演滲流參數的后驗分布，計算如公式(5)所示，

p(x|y_ob)∝p(y_ob|x)p(x) (5)

其中,p(x)為待反演滲流參數的先驗分布函數；y_ob為監測值，監測誤差服從均值為零，方差為的正態分布；p(y_ob|x)為似然函數，用來衡量集合代理模型預測值f_en(x)和監測值y_ob之間的擬合程度，設定集合代理模型預測值f_en(x)和監測值y_ob之間的偏差為δ＝y_ob-f_en(x)，且服從一個協方差矩陣為Σ的多元正態分布，則p(y_ob|x)的計算如公式(6)所示，

其中,為的行列式；I為n×n的單位矩陣；

取待反演滲流參數后驗分布的最大后驗概率估計值為待反演滲流參數的反演值。