含水层渗透系数预测和不确定性分析耦合模型.pdf

水 利 学 报 2014年5月 SHUILI XUEBAO 第45卷 第5期 文章编号：0559-9350（2014）05-0521-08 含水层渗透系数预测及不确定性分析耦合模型 桂春雷，石建省，刘继朝，马 荣 （中国地质科学院 水文地质环境地质研究所，河北 石家庄 050061） 摘要：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。 关键词：渗透系数；ANN技术；贝叶斯方法；GLUE；MCMC；不确定性 中图分类号：P641 文献标识码：A doi：10.13243/ki.slxb.2014.05.003 1 研究背景 华北平原西南部被厚度不等的新生界松散沉积物普遍覆盖。对其中每一个地点或每一块局部区 域上的渗透系数（K ）做出不同尺度上的量化，对于在该地区开发地下水径流和污染物运移模型为环境 影响评价、水资源评价以及地下水污染物净化提供决策支持具有基础性作用。目前人们主要是通过 野外试验测定和室内数值模拟反演来获取渗透系数［1-3］，这些方法在计算效果上各具特长，但其在应 ［4-5］ 用过程中也存在成本高、受区域尺度限制等局限 。 由于粒度分布是沉积物最基本的特征，在沉积物样本研究中属于比较容易获得的常规测试数据， 故基于粒度分布和渗透系数两者关系来预测渗透系数的研究一向深受国内外研究人员的重视［6-9］。事实 上，基于粒度分布数据开发经验、半经验方法以提供可靠的K 值预测从19世纪末开始就一直受到大量 的关注。Hazen方程［10］就是将粒径与渗透系数的关系通过经验系数联系起来的最早的K 值预测模型。 ［11-13］ 从那时起人们相继开发了多种适合不同介质类型的以某种有效粒径为参数的K 值经验预测公式 。 由此可见相对于采用野外试验确定K 值的经典方法，作为一种测量K 值的替代选择，粒度数据一直以 来常常被用于间接地获取K 值，因为这是获得K 预测变量的最经济的方法之一，而且最为重要的是其 在计算过程中对研究区的水文地质条件没有任何依赖性［14］。但是使用这些经验公式来预测K 值也存 在一定的风险。就著名的KC方程而言，其中的常数CK-C 被证明并非一个常数值，而是孔隙率和分形 维数的函数，且随着孔隙率的增加而增大［15］，这就增加了使用该公式预测K 值的不确定性。而且这 收稿日期：2013-06-06；网络出版日期：2014-02-13 网络出版地址：http：///kcms/detail/11.1882.TV1550.017.html 基金项目：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） 作者简介：桂春雷（1973-），男，内蒙古乌兰察布人，博士生，工程师，主要从事地下水系统数值模拟研究。 E-mail：wdgxiang@126.com 通信作者：石建省（1962-