地下水污染嚴(yán)重、水生態(tài)環(huán)境惡化等問題已成為制約經(jīng)濟(jì)社會可持續(xù)發(fā)展的主要因素。因此,亟需開展地下水污染治理與修復(fù)工作。準(zhǔn)確識別污染源信息是高效治理和修復(fù)地下水污染的前提,但含水層參數(shù)的空間變異性給污染源信息的準(zhǔn)確識別增加了難度,同時求解效率和精度也是一大難題。雖然已經(jīng)有許多學(xué)者進(jìn)行研究,但如何在不確定性條件下求解地下水污染源識別問題,目前仍然是一個充滿挑戰(zhàn)的課題。本文基于模擬-優(yōu)化理論框架,首先將快速和諧搜索（Fast harmony search,FHS）算法引入到地下水污染源信息識別領(lǐng)域,將其與地下水水流模擬軟件MODFLOW和地下水溶質(zhì)運移模擬軟件MT3DMS相耦合,建立確定條件下地下水污染源信息識別模擬-優(yōu)化模型,并將其應(yīng)用于求解含水層參數(shù)確定條件下地污染源特征信息（包括污染源濃度、泄露時間和位置的識別）識別問題;然后,結(jié)合NGA思想改進(jìn)FHS算法,處理滲透系數(shù)空間變異性所引起的優(yōu)化模型目標(biāo)函數(shù)不確定性問題,提出噪聲快速和諧搜索（Noisy fast harmony search,NFHS）算法,并將其應(yīng)用于求解考慮滲透系數(shù)變異條件下的地下水污染源識別問題。算例優(yōu)化結(jié)果表明:利用... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)網(wǎng)格剖分及污染源、滲透系數(shù)、抽注水井與觀測井位置分布圖

第四章含水層參數(shù)不確定條件下污染源識別27圖4.1研究區(qū)網(wǎng)格剖分及污染源、抽注水井與觀測井位置分布圖Fig4.1Meshdivisionanddistributionmapofcontaminantsources,pumpingandinjectionwellsandobservationwellsinthestudyarea4.2NFHS算法的初步驗證為了驗證NFHS算法求解地下水污染源識別問題的有效性，現(xiàn)在控制需要識別的參數(shù)，對在不同σ2(lnK)條件下識別得到的優(yōu)化結(jié)果進(jìn)行對比分析。4.2.1單獨識別污染源濃度由于濃度在識別過程中為連續(xù)變量，且搜索范圍遠(yuǎn)大于位置坐標(biāo)、泄露初始時間和結(jié)束時間的范圍，因此首先選擇濃度作為單一識別參數(shù)進(jìn)行識別試驗。假定研究區(qū)滲透系數(shù)存在空間變異性，場地內(nèi)存在一個僅未知濃度的污染源S1持續(xù)泄露，其位置網(wǎng)格坐標(biāo)為(4,7)，且泄露時間從3月開始至8月結(jié)束。利用建立的污染源識別模擬-優(yōu)化模型，采用NFHS算法識別污染源S1的濃度，并利用蒙特卡洛（MonteCarlo，MC）方法對優(yōu)化結(jié)果進(jìn)行統(tǒng)計分析。真實污染源S1(x1,y1)濃度信息預(yù)設(shè)為505.8g/L。NFHS算法參數(shù)設(shè)置如下：lHMS=50，mHMCR=0.7，pPAR最小值和最大值分別為0.1和0.99，最大迭代次數(shù)為6000。不同σ2(lnK)條件下識別得到的結(jié)果如表4.1所示。從表4.1可以看出，在滲透系數(shù)場不確定條件下僅對污染源濃度進(jìn)行識別，得到的結(jié)果誤差非常小，在σ2(lnK)為0.1、0.3和0.5情況下誤差分別為0.927%、2.695%和2.570%。由于不同σ2(lnK)條件下求得的優(yōu)化結(jié)果即最優(yōu)解非常接近，現(xiàn)以當(dāng)σ2(lnK)=0.1，對應(yīng)優(yōu)化結(jié)果為501.109g/L為例對得到的結(jié)果進(jìn)行MC統(tǒng)計分析，作出不同觀測點處的污染物

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)人工蜂群算法的地下水埋深預(yù)測研究[J]. 朱洪生,王繼華,陳新.  人民黃河. 2020(03)
[2]地表水污染源識別方法研究進(jìn)展[J]. 劉曉東,王玨.  水科學(xué)進(jìn)展. 2020(02)
[3]基于粒子群算法優(yōu)化極限學(xué)習(xí)機(jī)的區(qū)域地下水水質(zhì)綜合評價模型[J]. 朱偉峰,張皓然,張亮亮,劉東.  南水北調(diào)與水利科技. 2019(04)
[4]基于貝葉斯公式的地下水污染源識別[J]. 張雙圣,強(qiáng)靜,劉漢湖,劉喜坤,朱雪強(qiáng).  中國環(huán)境科學(xué). 2019(04)
[5]一種基于禁忌搜索的全局最優(yōu)化模糊聚類算法[J]. 朱毅,楊航,呂澤華,陳傳波,鄒小威.  電子學(xué)報. 2019(02)
[6]基于替代模型的地下水DNAPLs污染源反演識別[J]. 侯澤宇,盧文喜,王宇.  中國環(huán)境科學(xué). 2019(01)
[7]基于人工蜂群算法的BP雙隱含層神經(jīng)網(wǎng)絡(luò)水質(zhì)模型[J]. 楊咪,徐盼盼,錢會,侯凱.  環(huán)境監(jiān)測管理與技術(shù). 2018(01)
[8]地下水污染源識別的數(shù)學(xué)方法研究進(jìn)展[J]. 王景瑞,胡立堂.  水科學(xué)進(jìn)展. 2017(06)
[9]機(jī)器學(xué)習(xí)算法反求水文地質(zhì)參數(shù)[J]. 強(qiáng)玲娟,常安定,陳玉雪.  煤田地質(zhì)與勘探. 2017(03)
[10]基于變步長梯度正則化算法識別分?jǐn)?shù)階地下水污染模型參數(shù)[J]. 邢利英,張國珍.  蘭州交通大學(xué)學(xué)報. 2017(03)

博士論文
[1]地下水污染源解析的貝葉斯監(jiān)測設(shè)計與參數(shù)反演方法[D]. 張江江.浙江大學(xué) 2017



本文編號：3226525