[发明专利]一种基于人工智能的地下水有机污染互馈反演溯源方法

说明书

本发明公开了一种基于人工智能的地下水有机污染互馈反演溯源方法,包括：基于所述监测数据获得地下水有机污染多相流数值模拟模型；获取待识别变量，基于所述待识别变量的取值范围，获取训练样本集和检验样本集；基于所述训练样本集，耦合人工智能方法获得多相流数值模型的智能替代模型；基于所述多相流数值模型的智能替代模型和所述非线性规划优化模型，获得反演优化模型；所述训练样本集通过同伦变换‑群智能优化算法进行反演识别，获得反演识别结果，基于所述反演识别结果更新所述训练样本集；返回S4,直至获取最终训练样本集；重新建立所述多相流数值模型的智能替代模型，获得更新后的反演识别结果。

技术领域

本发明属于地下水环境反问题研究领域，尤其涉及一种基于人工智能的地下水有机污染互馈反演溯源方法。

背景技术

石油化工生产过程中事故、偷排、泄漏等释放的有机污染物会以非水相流体的形式进入地下水系统并聚集滞留在含水层中，造成严重且持久的污染，对区域及下游生态环境和居民生活饮用水安全产生极大的威胁。准确掌握有机污染场地的地下水水质状况并预测污染物时空分布和演化规律，是制定科学地下水资源管理策略、建设高效污染修复工程的基础前提，对有效遏制地下水环境继续恶化具有重大意义。

数值模拟技术是地下水水质时空特征定量分析的重要工具，然而，在对场地进行数值建模时，因污染源的隐蔽性，源项特征赋值具有强烈的主观性和不确定性，很难准确地再现污染物迁移的实际过程。因此，高效准确地解决地下水污染反演溯源问题显得格外重要。针对这一问题，利用实际观测数据，结合数据同化方法的反演计算是目前主要的解决方案。

发明内容

本发明提出一种基于人工智能的地下水有机污染互馈反演溯源方法，用于识别地下水有机污染源特征，并通过估计有机污染物在地下水系统中迁移过程涉及的难以通过目前测量手段直接获取的关键参数，辅助提升污染源特征反演识别的精度，从而实现地下水有机污染多相流运移过程的准确模拟预测，为地下水污染风险评估、污染源控制移除与责任认定、高效修复工程建设提供重要前提基础条件。

为实现上述目的，本发明提供了一种基于人工智能的地下水有机污染互馈反演溯源方法，包括以下步骤：

S1、获取监测数据，基于所述监测数据，获得地下水有机污染多相流数值模拟模型；

S2、获取待识别变量，基于所述待识别变量的取值范围，获取训练样本集和检验样本集；

S3、基于所述训练样本集，耦合人工智能方法获得多相流数值模型的智能替代模型；

S4、构建非线性规划优化模型，基于所述多相流数值模型的智能替代模型和所述非线性规划优化模型，获得反演优化模型；

S5、基于所述反演优化模型，所述训练样本集通过同伦变换-群智能优化算法进行反演识别，获得反演识别结果，基于所述反演识别结果更新所述训练样本集；

S6、返回S4,直至获取最终训练样本集；

S7、基于所述最终训练样本集重新建立所述多相流数值模型的智能替代模型，获得更新后的反演识别结果。

可选的，所述待识别变量包括污染源特征和污染物迁移参数；

所述污染源特征包括：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和污染物泄漏量；

所述污染物迁移参数包括：孔隙度、渗透率、纵向水相弥散度和横向水相弥散度。

可选的,获取训练样本集和检验样本集的方法包括：

基于所述待识别变量，采集若干组样本；

将若干组所述样本输入所述地下水有机污染多相流数值模拟模型，获取若干模型响应；

基于所述若干模型响应，获取训练样本集和检验样本集。