地下水系统动态信息多模型贝叶斯数据价值分析及监测方案优化

Rational groundwater exploitation and effective pollution control are major concerns worldwide. Data acquisition designed in a cost effective manner is a wise way to improve the knowledge of the aquifer system and reduce the decision risk brought by system uncertainty. With the development of the real-time monitoring technology, it is convenient to obtain a large amount of temporal dynamic data. However, we are lack of a comprehensive theoretical method to evaluate the worth of such data so that it can guide the sampling network design..In this research, we will quantitatively evaluate the dynamic data worth which manifests itself as the improvement of understanding of aquifer system and the corresponding reduction of the risks brought by system uncertainty, and then optimize the sampling network with the data worth as the objective function. This research will take all kinds of uncertain factors in the groundwater system into account, especially the model uncertainty itself, and optimize the sampling network to obtain the dynamic data in a sequential way. Meanwhile, we will use HPC (high performance computing) and surrogate model method to improve the computation efficiency, and provide the comprehensive and efficient theory on risk analysis and the applicable guidance to sampling network design.

在地下水资源利用和污染防治问题中，经济合理的获取含水层系统数据是降低决策风险和提高预测准确性的有效途径。随着自动化监测技术的发展，在时间序列上可以方便的获取大量动态数据，但是目前国内外还没有建立一套全面的理论方法评估此种动态数据的价值并依此指导取样网络的布置和构建。.该研究首先以定量评估动态数据的价值为基础，分析动态数据对含水层系统认知程度和系统不确定性预测风险的影响；然后以最大化数据价值为目标，对取样网络进行优化，并制定合理的取样方案。研究中将综合考虑地下水系统中各种不确定性因素来源，尤其创新性的考虑模型本身的不确定性，在贝叶斯数据分析理论框架下，针对动态数据的取样设计参数进行序贯性优化。同时，利用高性能计算和替代多项式模型等手段提高分析效率，为决策者提供全面高效的风险分析手段和取样应用指导。

地下水是重要的饮用水来源，随着社会经济的发展和人口的增加，其合理的利用和保护成为了全球普遍关心的热点问题。为了合理利用地下水资源、有效防治地下水污染，通常需要对含水层系统进行勘察及监测从而获取数据，刻画其性质参数（如渗透率场，孔隙度场的空间分布等），构建数值模拟模型对系统的状态变量进行预测（如水头、流速、污染浓度等），据此规划地下水资源利用或者污染防治决策。然而含水层参数数据的直接获取，通常成本高昂，需要合理方法对取样方案进行定量优化。本次研究利用集合卡曼滤波方法建立含水层参数反演方法，能够利用较容易获取的含水层水位和污染物浓度动态数据，对含水层物性等静态数据进行反演，同时定量估算地下水系统行为预测的不确定性。为了提高集合计算的计算效率，建立了基于概率配点集合卡曼滤波方法。数据的价值可以通过地下水系统行为预测不确定性的降低程度进行定量。在贝叶斯统计分析框架下，建立了前瞻性数据价值分析方法。方法的高效性通过概率配点集合卡曼滤波与常规模特卡罗集合卡曼滤波方法结果对比得到验证，方法的有效性通过估计数据价值与真实数据价值结果对比得到验证。利用此数据价值定量分析方法，研究了取样频率、取样位置和初始数据量对数据价值的影响进行了分析，并结合遗传算法，对最终的取样方案进行了优化。其中，集合卡曼滤波反演方法在鄂尔多斯的海流图河流域盆地水位自动监测及预测项目中进行了应用。数据价值优化分析方法在美国亚利桑那的气测渗透率取样优化中得到应用。该方法可以在保证，在取样项目投资一定的情况下，最大化取样数据的价值，提高对地下水系统的认识，从而为地下水资源利用或者污染防治决策提供可靠的依据。