限值。含 水層的滲透系數(shù)為滿足均值為2.5m/d，方差為0.2的隨機分布的InK場，滲透系數(shù)的不確定， 導致了模型輸出水頭和污染物濃度的隨機變化。
[0069] 2.2模擬系統(tǒng)的不確定性分析
[0070] 本研究采用SGSIM條件模擬生成滲透系數(shù)的實現(xiàn)樣本集。文中設置了 6種情況，條 件點數(shù)分別為化=10，20，30，40，50，60，利用SGSIM方法產(chǎn)生不同條件點數(shù)情況下的InK分 布，分別產(chǎn)生實現(xiàn)數(shù)為1000的樣本集。基于InK樣本集，利用蒙特卡羅方法模擬不同滲透系 數(shù)場下的污染濃度分布，采用真實值與條件模擬值的均方根誤差(RMS)進行滲透系數(shù)不確 定性分析，并利用污染風險水平和污染物風險變異系數(shù)來定量分析污染風險，如圖4所示。 從圖4可W看出隨著條件點數(shù)的增加，污染風險性降低并趨于穩(wěn)定值，考慮PAT系統(tǒng)的優(yōu)化 治理成本，本文選用40個條件點生成1000個InK實現(xiàn)的樣本集，并將其用于不確定性PAT系 統(tǒng)的多目標優(yōu)化設計中，尋求隨機化reto最優(yōu)解。
[0071] 2.3應用PEMOTS優(yōu)化技術
[0072] 本發(fā)明陽MOTS相關參數(shù)的設置如下:計算代數(shù)為100;種群大小為100;化reto解集 過濾器大小為100;每個參數(shù)(抽水量）的離散化區(qū)間數(shù)為32;均勻交叉概率為0.95;單點變 異概率為0.05 ;Milhlenbein變異概率為0.25;評價目標函數(shù)值的子樣本數(shù)為5，對于已經(jīng)捜 索過的個體，每重新捜索一次，評價該個體的子樣本數(shù)增加5(最大子樣本數(shù)為30)。在使用 智能算法進行優(yōu)化設計時往往采用罰函數(shù)將約束的管理模型轉換為非約束管理模型，即對 不滿足約束條件的解，采用罰函數(shù)的形式加到對應的目標函數(shù)中。采用PEMOTS優(yōu)化結果如 圖5所示。
[0073] 2.4優(yōu)化結果的對比分析
[0074] 本文基于40個均勻分布的條件點，利用SGSIM條件模擬生成1000個InK實現(xiàn)的樣本 集，并從此樣本集中隨機選取5個實現(xiàn)作為子樣本來評價個體的目標函數(shù)值，通過PEMOTS多 目標進化尋找不確定性化reto最優(yōu)解，如圖5所示（"+"解）。為了測試結果的可靠性，運用 1000個實現(xiàn)的樣本集對每個化reto解進行蒙特卡羅模擬分析，統(tǒng)計每個解的均值（V'解）， 及置信水平為95%的不確定性區(qū)間的上邊界值（"〇"解)和下邊界值（"A"解），其中通過蒙 特卡羅模擬得到平均解是最穩(wěn)定可靠的，PEMOTS優(yōu)化得到的化reto最優(yōu)解分布于不確定性 區(qū)域內(nèi)，對于不確定性化reto最優(yōu)解優(yōu)劣性可W從W下兩方面進行判斷，（1)單個化reto解 的不確定性區(qū)間寬度越小，表明該解的變異性小，在實際問題中，解的變異性小，則對應的 可靠性強；（2)化reto解分布越接近平均解，解的可靠性越強。PEMOTS求得的化reto最優(yōu)解 接近于平均解，表明隨機化reto控制排序和隨機小生境技術在處理不確定的多目標選擇的 有效性，得到的化reto最優(yōu)解變異性小，可靠性強。
[0075] W上所述，僅為本發(fā)明中的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任 何熟悉該技術的人在本發(fā)明所掲露的技術范圍內(nèi)，可理解想到的變換或替換，都應涵蓋在 本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護范圍應該W權利要求書的保護范圍為準。
【主權項】
1. 一種不確定性地下水修復多目標優(yōu)化管理方法，其特征在于，具體步驟如下： 步驟1，建立模擬模型，用于刻畫修復場地地下水水頭和溶質濃度在時間和空間上的分 布； 步驟2，確定優(yōu)化管理目標，建立優(yōu)化模型； 步驟3,采用順序高斯條件模擬SGSIM生成滲透系數(shù)的實現(xiàn)樣本集，并針對不同的條件 點數(shù)對InK場和模擬模型輸出進行不確定分析和風險評估，以降低模型不確定性和選擇用 于優(yōu)化模型管理設計的InK樣本集； 步驟4，選用PEMOTS優(yōu)化方法求解多目標管理問題權衡解，具體步驟為： (1) 產(chǎn)生初始解及相應的鄰域種群： 首先，采用隨機方式產(chǎn)生一個初始解so,初始化精英表、候選表和禁忌表，以初始解為基 點，基于拉丁超立方抽樣LHS產(chǎn)生數(shù)目為NTS的鄰域種群Sk; (2) 目標函數(shù)隨機評價： 采用噪聲遺傳算法NGA，用步驟3中生成的InK樣本集逐個計算種群S\s中的每個個體的 目標函數(shù)值，并統(tǒng)計每個個體的目標函數(shù)值的期望和方差；依據(jù)目標函數(shù)值，采用隨機 Pareto控制排序和隨機小生境技術計算個體的Pareto排名和個體擁擠度值;采用個體適應 度函數(shù)值存檔策略記錄下首次搜索到的解，重復搜索的解則直接調(diào)用函數(shù)值庫中的解信 息； (3) 隨機多目標進化： ① 種子解的選擇:比較鄰域種群S\s與上一代的精英表Sf1的Pareto受控性，將S\s中所 有非劣解視為候選種子解集加入上一代的候選表Sf 1中，從SjPSf1的合并解中選 擇非劣解作為當代候選種子解集S3;最后從&中選擇擁擠距離最大的兩個解作為下一代的 種子解Ss t+1。 ② 更新策略:將當代鄰域種群S\s與上一代的精英表Seh合并，保留非劣解組成當代的 精英表SeS同時將當代鄰域種群S\s中非受控于上一代的精英表Sf 1的解，加入上一代候選 表Sf1中，移除候選表中的受控解和當代選擇的兩個種子解Ss t+1，更新為當代候選表Sc% (4) 判斷是否滿足停止標準 優(yōu)化過程中，如果達到了預先設定的最大迭代次數(shù)，或者搜索到某一代時候選種子解 集為空，同時候選表也為空，則無法找到下一個種子解，無法進入下一個階段的搜索，停止 并輸出Pareto最優(yōu)解集； 步驟5,輸出優(yōu)化結果，利用InK樣本集對Pareto最優(yōu)解進行蒙特卡羅MC分析，檢驗 PEMOTS輸出的Pareto最優(yōu)解集的可靠性。2. 根據(jù)權利要求1所述的一種不確定性地下水修復多目標優(yōu)化管理方法，其特征在于， 步驟2中優(yōu)化模型的目標函數(shù)如下：MAX MR( % ) = (massend/masso) X 100 其中，RC為最小化治理成本，Qi>t為第i 口井第t應力期的抽水流量，Att為第t應力期的 時長，zgs為地表高程，hi,t是第i 口井第t應力期的計算水頭，Zgs_hi,t為第i 口井的抽水揚程， Nw和Nt分別為預選治理井數(shù)和應力期數(shù)，Ns為已知條件點數(shù)，α和β為抽水成本系數(shù)和獲取條 件點Κ值的成本系數(shù);MR為最大化剩余污染物百分比，maSSend為治理周期末污染物總量， masso為初始狀態(tài)下的污染物總量。3. 根據(jù)權利要求1所述的一種不確定性地下水修復多目標優(yōu)化管理方法，其特征在于， 步驟2中優(yōu)化模型的約束條件包括治理井總數(shù)約束，水頭約束，水力梯度約束，污染物濃度 約束，單井抽水流量約束和總量平衡約束。4. 根據(jù)權利要求1所述的一種不確定性地下水修復多目標優(yōu)化管理方法，其特征在于， 步驟5中利用InK樣本集對Pareto最優(yōu)解進行蒙特卡羅MC分析，檢驗PEMOTS輸出的Pareto最 優(yōu)解集的可靠性，具體為:利用InK樣本集對步驟4中得到的Pareto最優(yōu)解集進行蒙特卡羅 MC分析，統(tǒng)計每個解的均值、置信水平為95%的不確定性區(qū)間的上邊界值和下邊界值，通過 比較Pareto解與MC平均解的接近程度，判斷PEMOTS用于求解不確定地下水污染修復問題的 可靠性。5. 根據(jù)權利要求1所述的一種不確定性地下水修復多目標優(yōu)化管理方法，其特征在于， 地下水流模型通過美國地質調(diào)查局開發(fā)的三維有限差分程序M0DFL0W來求解;溶質運移模 型基于M0DFL0W求解的水頭和流速場，利用鄭春苗研發(fā)的模塊化三維溶質運移程序MT3DMS 來求解。
【專利摘要】本發(fā)明公開了一種不確定性地下水修復多目標優(yōu)化管理方法，基于精英保留策略的多目標隨機禁忌搜索算法PEMOTS，將目標函數(shù)隨機評價、隨機Pareto支配概念和隨機小生境適應度共享方法引入到EMOTS種群進化操作中。PEMOTS繼承了EMOTS全局搜索的優(yōu)點，EMOTS采用的精英保留策略，引進拉丁超立方抽樣LHS生成鄰域解，保證算法求得的非劣解能收斂于真實解，且沿著權衡曲線分布均勻。PEMOTS與同類方法的核心區(qū)別在于采用順序高斯條件模擬SGSIM降低含水系統(tǒng)參數(shù)的不確定性，同時引入隨機多目標進化操作，降低了搜索Pareto最優(yōu)解的變異性。將該技術與地下水水流程序MODFLOW和溶質運移程序MT3DMS相耦合，在求解不確定性地下水污染治理多目標管理模型中具有較強的可靠性和魯棒性。
【IPC分類】G06F17/50, G06N3/12
【公開號】CN105718632
【申請?zhí)枴緾N201610023737
【發(fā)明人】楊蘊, 王錦國, 周志芳
【申請人】河海大學
【公開日】2016年6月29日
【申請日】2016年1月14日