地下水DNAPLs污染源反演识别研究

Some forefront problems which have yet not been solved on inversion identification of DNAPLs pollution sources in groundwater will be studied by the combination of case study and theoretical analysis in this project. Differential evolution extreme learning machine (DE-ELM) method and set pair analysis (SPA) method will be adopted to formulate the surrogate models of the multi-phase flow simulation model separately, and the merits and demerits of the surrogate models will be evaluated through the practical application of inversion identification of DNAPLs pollution sources in groundwater. A 0-1 mixed integer nonlinear programming optimization model will be formulated to search optimal solutions of discrete integer variables (source locations) and continuous variables (release intensity and initial release time) synchronously. The homotopy algorithm and particle swarm algorithm will be combined to solve the nonlinear programming optimization model for exploring effective solutions, which are global optimal and not depend on initial value selection. The research will be done for identifying pollution sources and model parameters separately, and the pollution sources and the model parameters will be corrected and improved step by step by means of the feedback correction iteration process. In the end, the approximate values of pollution sources and model parameters will be taken as the solutions of inversion identification. These research results will enrich and develop the theoretical basis and technical connotation for the inversion identification of pollution sources in groundwater.

本项目采取实例研究与理论分析相结合的方法，对地下水DNAPLs污染源反演识别研究前沿中尚待解决的问题开展研究。探索分别应用差分进化极限学习机(DE-ELM)法及集对分析(SPA)法建立多相流数值模拟模型的替代模型，并通过DNAPLs污染源反演识别的实际应用考察其适用性和优缺点。研究建立地下水污染源反演识别的0-1混合整数非线性规划优化模型，能对离散整数变量（污染源位置）和连续型变量（释放强度和初始释放时间）同步进行优化求解。将同伦算法与粒子群算法结合起来对非线性规划优化模型进行求解，探索能够搜索到全局最优且不依赖于初值选择的有效解法。研究对模拟模型中的污染源和模型参数分别单独进行优化识别的途径，探索设计合理的反馈修正迭代过程，逐步对污染源和模型参数进行修正改善，最终求得有关污染源和模型参数的近似值作为反演问题的解。丰富和拓展地下水污染源反演识别的理论基础和技术内涵。

本项目研究地下水DNAPLs污染源反演识别的理论和方法。通过集对加权组合替代模型、0-1混合整数非线性规划优化模型、混合同伦-粒子群算法和反馈修正迭代过程的综合运用，获得了反演识别地下水DNAPLs污染源的有效途径。.根据研究例子的具体条件，在建立了氯苯污染多相流数值模拟模型的基础上，研究应用集对分析（SPA）法将克里格（Kriging）替代模型、支持向量回归（SVR）替代模型和差分进化极限学习机（DE-ELM）替代模型进行了加权组合，建立了集对加权组合替代模型。结果表明，与三种单一替代模型相比，集对加权组合替代模型对多相流数值模拟模型的逼近精度更高。研究建立了同时含有离散整数变量（污染源位置）和连续型变量（释放强度、初始释放时间和模拟模型参数）的0-1混合整数非线性规划优化模型，有效解决了以往非线性规划优化模型对污染源位置等整数变量识别能力较弱的问题。研究运用混合同伦-粒子群算法求解优化模型，识别得到污染源(源汇项)信息和模拟模型参数取值，有效解决了启发式算法对初值依赖的问题，使其能够快速搜索到全局最优解。同时，为了避免“异参同效”的后果，在识别污染源(源汇项)和模拟模型参数的过程中，设计并利用了反馈修正迭代过程，使污染源(源汇项)和模拟模型参数两者的识别结果相互修正，并都逐步得到改善，最终求得污染源(源汇项)和模拟模型参数的近似值作为反演问题的解。将研究的理论和方法，分别在假想例子和实际例子中进行了验证和应用，获得的识别结果切合实际。.研究获得的地下水DNAPLs污染源反演识别方法能够有效地识别出污染源(源汇项)信息和模拟模型参数取值。研究成果丰富和拓展了地下水DNAPLs污染源反演识别研究的理论和方法，能在解决有关实际问题时提供相应的技术途径和计算软件。.已发表学术论文共 22 篇，其中 SCI 收录期刊论文 14 篇， EI 收录期刊论文 8 篇。共培养研究生 10 人，已毕业 7 人（博士 4 人，硕士 3 人），在读 3 人（博士生 3 人）。共培养中青年教师 1 人。.本项目按计划圆满完成了项目申请书和计划书中的研究任务。