《Water Resources Research》：A Data-Driven Approach Coupled With Physical Constraints to Improve Groundwater Models With Structural Error
编辑推荐：
地下水模型是地下水修复和污染风险评估的重要工具。然而，由于对真实地下水系统的简化或不准确表征，模型结构误差普遍存在且不可避免，导致模型预测出现系统性偏差。传统的贝叶斯数据驱动方法（DDMs）旨在纠正这些模型结构偏差。然而，DDMs开发的误差校正模型往往缺乏物理
地下水模型是地下水修复和污染风险评估的重要工具。然而，由于对真实地下水系统的简化或不准确表征，模型结构误差普遍存在且不可避免，导致模型预测出现系统性偏差。传统的贝叶斯数据驱动方法（DDMs）旨在纠正这些模型结构偏差。然而，DDMs开发的误差校正模型往往缺乏物理机制，导致预测违反基本物理原理，例如未能满足质量守恒。本研究提出了一种耦合物理约束的通用DDM，将物理约束明确纳入误差校正模型构建中。通过制定一个新的似然函数，该方法迫使预测在满足物理约束的同时拟合观测数据。该耦合物理约束的DDM的优越性在两个案例研究中进行了定量评估，即实验室柱荧蒽运移模拟和合成三维地下水污染物运移模拟，以质量守恒作为物理约束。结果表明，未耦合物理约束的DDM产生的预测显著违反物理原理，且预测性能一般。相比之下，耦合物理约束的DDM有效提高了预测精度，并大幅减少了质量平衡误差。通过对参数（物理参数和超参数）识别过程施加约束，参数过拟合得到缓解。此外，实施质量守恒约束有效降低了预测不确定性。所提出的耦合物理约束的DDM对复杂模型结构误差表现出稳健的自适应性，并增强了在实际场地条件下地下水污染定量预测的可靠性。
**论文解读：耦合物理约束的数据驱动方法提升地下水模型预测可靠性**
**1. 研究背景与问题**
地下水数值模型广泛应用于污染修复和风险评估，但由于水文地质数据稀缺和系统复杂性，模型通常会对真实条件进行简化，导致模型结构误差（structural error）难以避免。传统数据驱动方法（DDM）通过贝叶斯框架校正结构误差，但构建的误差模型往往缺乏物理机制，可能产生违背质量守恒等基本物理原理的预测，如负浓度或质量不平衡。现有物理信息机器学习方法虽有约束能力，但主要构建替代模型，不显式区分结构误差，且难以保证校正预测的物理一致性。因此，开发一种通用且能显式耦合物理约束的DDM，以校正结构误差并提升预测可靠性，成为研究重点。
**2. 研究内容与结论**
研究人员提出了一种耦合物理约束的通用数据驱动方法（DDM），通过构建新的似然函数将物理约束（如质量守恒）直接纳入误差校正模型的构建过程。该方法在两个案例中验证：实验室砂柱荧蒽运移模拟（忽略胶体共运移机制导致结构误差）和合成三维地下水污染物运移模拟（简化含水层结构导致结构误差）。结果表明：未耦合物理约束的DDM产生显著违反物理原理的预测，质量平衡误差大且预测性能中等；耦合质量守恒约束的DDM有效提升了预测精度，减少了质量平衡误差，缓解了参数过拟合，并降低了预测不确定性。该研究发表于《Water Resources Research》。
**3. 主要技术方法**
研究人员主要采用以下关键技术：（1）贝叶斯推断（Bayesian inference）结合马尔可夫链蒙特卡洛采样（MCMC，DREAMzs算法）联合估计物理模型参数和高斯过程回归（GPR）超参数；（2）GPR构建结构误差替代模型，采用平方指数协方差函数；（3）物理约束通过新似然函数实现，将质量守恒等约束视为高斯分布似然项，与观测数据似然函数组合形成联合后验分布；（4）案例中物理约束基于系统质量守恒方程，分别定义砂柱和三维模型的质量平衡误差条件。
**4. 研究结果**
**4.1 参数估计**
通过比较耦合/未耦合物理约束下的后验分布发现：砂柱案例中，耦合约束后物理参数和GPR超参数后验分布范围更宽、峰值概率密度更低；三维案例中，物理参数后验分布范围更窄、峰值更高，而超参数趋势与砂柱案例不同。这表明物理约束显著影响参数识别过程。
**4.2 质量守恒评估**
砂柱案例中，未耦合约束的DDM预测峰值质量平衡误差率达53.40%（对应23.06 mg），平均误差率28.71%；耦合约束后峰值降至31.45%，平均误差率11.91%。三维案例中，未耦合约束的DDM预测峰值误差率26.79%（6.69 kg），平均13.37%；耦合约束后峰值仅1.90%，平均-0.48%。表明耦合约束使预测更符合物理原理。
**4.3 预测性能**
砂柱案例中，耦合约束后验证期NSE从0.7513提升至0.9123，MAE和RMSE分别降低43.12%和43.28%。三维案例中，未耦合约束的DDM验证期NSE为负值（-22.88和-0.61），耦合后分别提升至0.8562和0.8990，MAE和RMSE降低70%以上。同时，耦合约束显著缩小了95%预测区间，降低了不确定性。结果还显示，耦合约束有效缓解了参数过拟合，使校准期与验证期性能差异减小。
**5. 讨论与结论**
讨论指出，未耦合物理约束的DDM倾向于过拟合观测数据，导致参数后验分布不合理；耦合约束通过联合似然函数同时约束物理参数和超参数，优先修正误差模型超参数，增强了模型对复杂结构误差的适应性。方法优势包括：通用性强，可扩展多种约束形式；显式区分结构误差与测量误差，保留物理模型的结构稳定性；确保校正预测的物理一致性。局限性在于稀疏观测或弱相关性时校正不确定性较大，未来可引入更多约束如浓度极值或单调性。
研究结论如下：（1）未耦合物理约束的DDM可能产生不合理预测，违反物理原理，导致参数过拟合和预测偏差；（2）耦合物理约束的DDM通过新组合似然函数约束物理参数和超参数校准过程，有效缓解过拟合；（3）耦合质量守恒约束通过最小化质量平衡误差降低预测不确定性，提升校准和预测性能；（4）所提方法在建模和推断层面显式区分结构误差与测量误差，为物理模型的结构缺陷提供可解释补偿机制，增强外推预测能力。
