[发明专利]一种考虑多种不确定性的大坝渗流性态分析方法

说明书

本发明公开了一种考虑多种不确定性的大坝渗流性态分析方法，包括：步骤1，利用拉丁超立方抽样方法和大坝渗流数值模拟模型构造样本对；步骤2，利用步骤1构造的样本对建立代理模型；步骤3，采用随机方法量化反演过程中的多种不确定性，并基于贝叶斯规则计算待反演的渗流参数，将计算得到的待反演的渗流参数用于校正大坝渗流数值模拟模型，从而对大坝渗流性态进行准确分析。本发明在渗流参数随机反演方法中综合考虑多种不确定性，从而准确可靠地反演大坝渗流参数并合理地分析评估渗流性态。

技术领域

本发明涉及水利水电工程中大坝渗流性态分析技术，特别涉及一种考虑多种不确定性的大坝渗流性态分析方法。

背景技术

渗流参数(如坝体和坝基的渗透系数)是影响大坝渗流数值模拟模型准确性的关键参数。然而，通过室内试验或者现场原位试验所获取的渗流参数和实际情况均有较大偏差。以现场观测资料为基础的参数反演分析方法能够获得较为准确的渗流参数，为校正大坝渗流数值模拟模型提供数据基础，因而在大坝渗流性态分析中占有重要地位。

目前常用的参数反演方法有很多，包括最小二乘法[1]、高斯-牛顿法[2]，Levenberg-Marquardt方法^[3]；人工神经网络[4]和遗传算法^[5]等。然而，这些参数反演方法都只能得到渗流参数的确定性点估计值，而没有考虑反演过程中存在的多种不确定性问题，得到的反演结果可靠性较低。

渗流参数反演过程中往往存在多种不确定性，例如模型不确定性、参数不确定性和测量不确定性等。模型不确定性一般来源于采用概念模型对真实渗流物理现象的近似表达、对复杂水文地质模型的简化以及网格离散化时的误差等[6]。在反演计算模型中通常涉及到大量需要指定的参数，而参数不确定性则是由渗流参数的固有特性(如，渗透系数、孔隙率的空间变异性等)以及人们的认知不确定性(如，对参数取值存在的模糊性、灰色性和未确知性等)造成的[7]。此外，在搜集、测量、记录和处理监测数据过程中，由于人为或系统原因，不可避免又会带来监测数据的误差，即测量不确定性[8]。在渗流参数反演过程中存在的多种不确定性不可避免地会影响参数反演结果的可靠性，因此采用有效的方法来考虑和分析这些不确定性是很有必要的。

贝叶斯反演方法是一种常用于参数反演和不确定性评估的方法，该方法在提供待反演参数的先验分布和实测数据的情况下，通过贝叶斯规则可以推导出待反演参数的后验分布。目前，许多学者都将贝叶斯反演方法应用于渗流参数反演研究中。吕鹏等[9]在贝叶斯反演方法中引入熵-盲数理论，对某碾压混凝土坝坝基的渗透系数进行了反演研究；陆乐等^[10]在贝叶斯反演方法中采用单分量自适应Metropolis(SCAM)采样算法并加入了权重因子,从而大大提高了复杂地下水问题中高维参数识别的求解效率；张双圣等^[11]基于贝叶斯公式及信息熵最小的累进加井的多井监测方案优化方法，采用差分进化自适应Metropolis算法对非均质地下含水层的污染源参数和含水层参数进行了同步反演；张江江^[12]为了提高参数反演的计算效率，提出了基于替代系统的贝叶斯不确定性分析方法，从而高效、准确地反演地下水溶质运移模型的关键参数；李朋涛^[13]基于嵌套采样算法的贝叶斯方法，对理想模型和三堡水文地质试验场开展了水文地质参数的反演研究；董海彪^[14]基于克里格替代模型和改进的贝叶斯反演方法对地下水污染源参数进行了反演研究。

在上述研究中，贝叶斯反演方法能够较为准确地获得参数反演结果。然而，目前大多数贝叶斯反演方法都仅集中于对参数不确定性的研究，而忽略了模型不确定性和测量不确定性等其他不确定性。此外，由于贝叶斯反演方法需要大量重复调用正演模型来使参数的后验分布达到收敛，为了提高计算效率，大多数贝叶斯反演方法研究都会采用代理模型来替代计算耗时的正演模型。然而，代理模型不可避免地会给参数反演带来额外的不确定性，目前还很少有研究来量化参数反演研究中代理模型的不确定性。因此，如何有效地考虑参数反演过程中存在的模型不确定性、参数不确定性、测量不确定性以及代理模型不确定性，对于获得准确可靠的渗流参数以及合理地分析评估渗流性态具有重要意义。