基于水动力模拟估算框架评估1990–2022年洞庭湖丰水期水储量变化

《Water》：Assessment of Wet-Season Water Storage Variations in Dongting Lake During 1990–2022 Using a Hydrodynamic-Simulation-Based Estimation Framework

　　

现有DNAPL（致密非水相液体）地下水污染源反演方法面临突出瓶颈：浅层替代模型常无法捕捉强非线性多相流关系，传统启发式优化器易早熟收敛，病态等效性进一步降低反演可靠性，且重复多相流数值模拟带来极高计算成本。研究人员以中国东北典型化学污染场地为对象，建立充分复现氯苯类DNAPL迁移转化机制的多相流数值模型。为大幅削减迭代反演计算负担，通过参数敏感性分析与拉丁超立方采样生成高质量数据集，据此构建深度卷积神经网络（DCNN）驱动的高保真替代模型并作为等式约束嵌入优化框架。建立分离式非线性规划模型独立量化污染源特征与水文地质参数，目标为最小化现场实测与数值模拟浓度残差。进一步提出混合同伦-粒子群优化（HH-PSO）算法以克服传统优化器对初值依赖强与易陷局部极值的局限。在此基础上发展闭环反馈迭代方案，源识别与参数校准交替实施、双向约束渐进修正以持续精炼稳定反演输出。该工作在DNAPL地下水污染源反演的方法、算法与应用层面具明确创新。合成基准案例与现场应用表明，DCNN替代模型拟合精度远优于Kriging与支持向量回归等浅层学习，决定系数R2超0.99；反馈校正迭代后源位置、释放历史与水文地质参数平均相对误差降至3.72%，整体计算效率提升约99.84%。所提模拟-优化反演框架集成监测信号去噪、多相数值模拟、深度学习替代建模、混合智能优化与反馈迭代校正，有效解决非线性病态、源项与含水层参数互扰等效性、多相模拟高成本与传统优化早熟收敛等核心瓶颈，可为复杂污染场地快速精准溯源、责任认定与修复设计提供理论基与技术工具。

研究背景方面，石油衍生产品与氯化溶剂在生产、储运与使用中泄漏会向地下引入DNAPL（致密非水相液体），其高密度、低溶解度、高界面张力及强毒性持久性致使其在含水层中长期滞留并持续释放溶解态污染物，对饮用水与生态安全构成严重威胁。地下水污染隐蔽性强，源位置、释放强度与历史过程无法直接观测，使责任认定与修复设计困难。数学上污染源反演属典型非线性病态逆问题，有限含噪监测数据、未知模型参数与未知源条件共同导致等效性（equifinality，不同参数组合产生相似浓度场致结果非唯一不稳定）；多相流数值模型结构复杂、反复调用代价高昂；现有替代加速与启发式优化在强非线性任务中仍存瓶颈。为此研究人员发展基于人工智能的模拟-优化耦合反演框架。

研究人员以中国东北某历史有机化工污染场地（潜水含水层厚约10 m，氯苯污染，三口长期监测井月尺度浓度与水头数据）为对象，开展四项核心工作：自适应小波阈值去噪处理监测信号；构建DCNN替代多相流模拟以兼顾速度与精度；提出不依赖初值的同伦-PSO混合全局优化；设计分离识别与双向修正反馈迭代抑制等效性。论文发表于《Water》。

关键技术方法上，研究人员采用粒子群优化的自适应融合软硬阈值小波去噪处理三口井12个月浓度数据并转为季度均值序列；通过局部敏感性分析筛选孔隙度、渗透率、纵向/横向水相弥散度及源坐标、释放时长、泄漏量共8个可辨识变量；以拉丁超立方采样生成120组输入并驱动多相流模型得监测井终态浓度，按5:1分训练/验证集；以MATLAB搭建8隐藏层DCNN（卷积-池化-全连接，ReLU激活）作替代模型；将DCNN作为等式约束嵌入分离式非线性规划，采用HH-PSO（线性同伦参数t由0至1离散为10步、逐步PSO局部寻优）求解；源项与参数分别识别并闭环反馈迭代至收敛。

研究结果各节要点如下。

研究区与多相流数值模型节，基于场地地质概化建立潜水流系统概念模型，顶界降水入渗、底界花岗岩无通量、东邻河定水头、余边界无通量；以质量守恒与多相Darcy定律为控制方程有限差分离散，输出浓度、压力、饱和度供替代训练。

监测数据去噪与样本生成节，PSO自适应小波阈值在平滑段趋软阈值、突变段趋硬阈值，相较固定阈值提升信噪比并降RMSE；三井月度原始36点经异常剔除与季均聚合为12点后去噪。敏感性分析显示孔隙度、渗透率、纵/横水相弥散度最敏感。拉丁超立方采样120组（训练100/验证20）形成输入输出对。

DCNN替代模型构建与验证节，以8个变量（M1–M8）为输入、三井含水层底部终态浓度（W1–W3）为输出，DCNN最大相对误差控于5%内、平均相对误差<2.2%、R²>0.99，显著优于Kriging与SVR。

源反演优化模型与混合算法节，建立最小化模拟与实测浓度拟合误差为目标、DCNN为等式约束的非线性规划；HH-PSO借线性同伦H(x,t)=(1-t)(f(x)-f(x₀))+t(f(x)-c_obs)=0将问题由初值解平滑过渡至真值解，每步PSO以彼步解为初值，脱初值依赖并避局部极值。

案例验证与现场应用节，假想案例显示传统PSO误差大，HH-PSO平均相对误降至5.96%、最大12.77%降至9.69%；加反馈迭代后平均3.72%、最大4.41%。现场应用以10个同伦函数（t步长0.1）顺序求解，反馈收敛得源坐标、释放时长、泄漏量及孔隙度、渗透率、纵/横弥散度最终值，更新多相模型再现污染物时空分布。

讨论与结论翻译：本工作针对DNAPL地下水溯源瓶颈，在方法、算法与应用上创新，集成自适应去噪、多相数值模拟、DCNN替代、HH-PSO与反馈迭代，解决病态、等效性、高成本与早熟收敛。主要结论：（1）DCNN替代最大相对误4.614%、平均2.109%、RMSE 5.103、R² 0.998，优于Kriging与SVR；（2）HH-PSO较标准PSO最大误由12.77%降至9.69%、平均由7.62%降至5.96%；（3）分离识别加反馈迭代较同步识别最大误由9.69%降至4.41%、平均由5.96%降至3.72%。框架为复杂场地快速精准溯源、责任认定与修复设计提供基础工具。局限在于样本源自简化均质各向同性假设、未充分表征空间异质性，且LHS范围与样本量制约替代外推；未来将融入更多现场数据、分层交叉验证、异质性刻画与定量不确定性分析。