[发明专利]基于多核极限学习机的有机污染物迁移数值模型替代方法

说明书

本发明涉及一种基于多核极限学习机的有机污染物迁移数值模型替代方法，该方法包括以下步骤：根据观测资料，建立地下水有机污染多相流运移数值模型，确定模型中对于污染物时空分布贡献程度较高的污染源特征、含水层参数以及各变量的取值范围；准备训练样本集；训练多相流数值模型的单一核极限学习机替代模型；建立核函数关键参数及核函数组合权重的非线性规划优化模型；以遗传算法求解优化模型，识别最优的核函数参数及组合权重，构建数值模型的遗传进化多核极限学习机智能替代模型。解决地下水有机污染多相流数值模型的替代问题，提升污染物运移模拟预测的计算效率，为地下水污染源特征及污染物运移参数反演识别提供高效解决途径。

技术领域

本发明涉及人工智能与地下水数值模拟的结合应用领域，尤其涉及一种于多核极限学习机的有机污染物迁移数值模型替代方法。

背景技术

有机污染物具有低水溶性、高毒性和高界面张力等特性，进入地下水系统后会聚集滞留在含水层的顶部或底部(聚集位置取决于污染物密度小于水或大于水)，在与水接触的过程中不断向水中溶解释放，造成严重且持久的污染。因此，有效识别污染源特征及含水层参数，进行准确的污染物时空分布模拟预测，对于实现可靠的污染风险评估并制定合理高效的修复方案至关重要。

但解决污染源特征及含水层参数反演识别所采用的数据同化方法通常需要成千上万次地迭代调用有机污染物运移的多相流数值模拟模型，这会产生庞大的计算负荷和冗长的计算时间。针对这一问题，利用人工智能方法建立模拟模型的替代模型是目前主要的解决方案。

发明内容

本发明要解决的技术问题是提供一种基于多核极限学习机的有机污染物迁移数值模型替代方法，可以用于识别并逼近地下水有机污染多相流数值模型中污染源特征、含水层参数和污染物浓度分布之间的复杂非线性关系，从而建立数值模型的替代模型，大幅提升污染物运移模拟预测的计算效率，为地下水污染源特征及污染物运移参数反演识别等计算繁冗问题提供高效解决途径。

为解决上述技术问题，本发明的技术方案为：1.一种基于多核极限学习机的有机污染物迁移数值模型替代方法，其特征在于：具体方法如下：

S1：通过野外现场调查、动态监测等手段，掌握污染场地的水文地质条件及污染特征；

S2：对场地水文地质条件进行概化处理，初步建立地下水有机污染多相流数值模拟模型，用以描述地下水中有机污染物的运移机理；

S3：确定模型中对于污染物时空分布贡献程度较高的污染源特征、含水层参数；根据模型中各变量的取值范围，随机采样若干组样本，逐一代入S2中所建立的多相流数值模型，得到每组样本对应的模型响应对应于监测井位置的污染物浓度，形成由“模型输入-模型响应”样本对构成的训练样本集和检验样本集；

S4：根据S3获得的输入-输出训练样本集，采用不同核函数建立多相流数值模型的单一核极限学习机替代模型；

S5：根据S3获得的检验样本集，建立核函数关键参数及核函数组合权重的非线性规划优化模型；

S6：应用遗传算法，求解S5中建立的非线性规划优化模型，识别最优的核函数关键参数及核函数组合权重，构建多相流数值模型的遗传进化多核极限学习机替代模型。

进一步的，所述S2中用UTCHEM程序构建地下水有机污染多相流运移数值模。

进一步的，所述S3中的污染源特征包括：污染源的纵向坐标、污染源的横向坐标、污染物迁移转化时长、污染物泄漏量；含水层参数包括：孔隙度、渗透率、纵向水相弥散度、横向水相弥散度；随机采样通过拉丁超立方采样方法实现，进行两次随机采样分别获得训练样本集和检验样本集。

进一步的，所述S4中的单一核函数包括：多项式核函数、高斯核函数、小波核函数；