两种智能算法在求解地下水管理模型中的对比

分别将禁忌搜索和遗传算法与地下水流模型MODFLOW和地下水溶质运移模型MT3DMS相耦合,并将其应用于求解地下水资源优化管理模型。在概述两种智能算法基本原理和地下水管理模型组成的基础上,结合两个理想的应用实例,从优化结果和计算效率两个方面对禁忌搜索和遗传算法进行了对比分析。在两个实例中,禁忌搜索分别以高于遗传算法10倍和27倍的计算效率得到了减少抽水流量约160 m³/d和节约治理成本约47万元的治理方案。结果表明,禁忌搜索在求解地下水管理模型中具有较好的应用前景。     

基于地下水陆面过程耦合模型的黑河干流中游耗水分析

耗水分析能够直接揭示水资源利用的本质, 蒸散发是流域尺度耗水的主体. 将一个典型的陆面过程模型和一个地下水模型紧密耦合, 从而在地下水模型中增加具有物理机理的蒸散发描述, 同时改进陆面过程模型中地下水的动力过程, 由此在发挥这两类模型各自优势的基础上, 构建了一个地下水-陆面过程耦合模型. 利用该模型模拟了黑河干流中游2008年逐小时的蒸散发过程. 结果表明: 黑河干流中游2008年总耗水量约为35.7×10⁸ m³, 耗水最大的地表类型是农作物为19.3×10⁸ m³、 裸地和戈壁为7.2×10⁸ m³、 草地为6.0×10⁸ m³、 稀疏植被为3.1×10⁸ m³, 其中, 不同地表类型的年蒸腾量分别为8.8×10⁸ m³、 0.02×10⁸ m³、 2.2×10⁸ m³以及0.4×10⁸ m³, 对应它们的年蒸散发强度分别为: 580 mm、 117 mm、 331 mm以及202 mm. 通过耗水平衡分析也得到2008年黑河干流中游地下水呈负平衡状态, 全年地下水超采约0.9×10⁸ m³, 其中区内地下水储量在7—11月间呈增加趋势, 其他各月呈减少趋势.     

LF-Y油田动态石油地质储量评价

LF-Y油田S区在ODP开发调整方案实施中,钻井表明构造边部变陡,含油面积变小,静态方法重新计算地质储量为1 328.30×10⁴ m³,但该储量规模与油田生产动态不相符。结合生产动态法、储量反算法及油藏数值模拟法分析油田储量规模及合理性,指出了S区存在储量计算不足的问题并分析了原因,通过动态信息反算地质储量的方法,反算储量规模在1 450.00×10⁴~1 700.00×10⁴之间,因此该油田西边无井控区域储量潜力可能性较大。结合重新开展的孔隙度反演、精细地质模型、储量计算及油藏数值模拟等研究,再通过静态方法最终计算S区的地质储量为1 566.03×10⁴ m³,储量规模增加了237.73×10⁴ m³。以动态反算储量,并反馈到静态储层评价与储量计算之中,使两者达到较为一致的结果。研究成果不但解决了S区储量不足的矛盾,使模型更加合理,剩余油分布预测也更加可靠,为ODP调整方案成功实施提供了储量基础;而且验证了油藏动态方法对储量问题研究的反证作用,从而实现了油藏动、静态结合解决地质难点问题。     

用镭-226示踪胶州湾的海底地下水排泄

海底地下水排泄（SGD）是全球水循环的一个组成部分,其输送的溶解物质不仅参与海洋的生物地球化学循环,而且影响近岸海域的生态环境。为了评估胶州湾海底地下水排泄状况,通过建立胶州湾内海水中²²⁶Ra的质量平衡模型来计算海底地下水排泄通量。胶州湾海水中²²⁶Ra的源主要有河流的输入、沉积物扩散输入和地下水的输入,海水系统在稳定状态下,这几种源应该与湾内海水和湾外海水的混合损失达到平衡。除了将地下水输入作为未知项外,对其他源和汇逐个进行量化,计算得知：2011年9-10月胶州湾的海底地下水排泄通量为7.85×10⁶ m³·d^-1;2012年4-5月胶州湾的海底地下水排泄通量为4.72×10⁶ m³·d^-1。在此基础上,对地下水输入胶州湾的营养盐进行了评价。     

基于地面沉降控制的区域性松散沉积层地下水可采资源规划评价

为了满足区域性松散沉积层地区地面沉降的防控要求,规划评价地下水的可采资源量,根据渗流理论和土力学理论,建立了地下水三维非稳定渗流与地面沉降耦合数学模型,并考虑了含水层孔隙度、渗透系数、储水率随含水层发生固结沉降的变化特征。采用三维有限元数值分析方法,以江苏省南通市地下水开采为例,基于地面沉降的控制要求,规划评价出了各乡镇各含水层的地下水可采资源量。结果表明：地下水开采布局科学规划后,总的可采资源量为17 870.56×10⁴ m³/a,较现状开采量10 902.32×10⁴ m³/a有较大幅度的增加。地下水三维变参数非稳定流与地面沉降耦合模型可以更加精确地刻画三维水文地质体的特征,更加符合实际情况。     

改进的模拟退火遗传算法在地下水管理中的应用

对于高度非线性、非凸的地下水管理模型,传统优化方法难以找到全局最优解。本文采用模拟退火遗传算法求解地下水管理模型,并从三个方面对算法进行改进:引入小生境技术,采用自适应交叉和变异概率,在选择过程中采用最优保存策略,从而提高算法的全局寻优能力和收敛速度。采用惩罚函数法处理约束条件。用Fortran 90语言编制了计算程序,并通过Schaffer测试函数验证了该算法不仅具有强大的全局寻优能力和局部搜索能力,而且具有较快的收敛速度和较高的优化精度。将该算法应用到某研究区地下水管理中,取得了较好的效果。     

扩域搜索遗传算法优化马斯京根参数及其应用

马斯京根法作为河道洪水预报的重要方法,参数和系数的率定是关键和难点,直接影响其预报精度。在详细阐述扩域搜索遗传算法基本思想和性能分析的基础上,以模拟结果与实测值的误差最小作为进化目标,直接搜索马斯京根法预报方程系数,获得河道上下游流量关系方程。对黄河下游夹河滩至高村的洪水过程进行研究,传统方法的平均绝对误差为240 m³/s,平均相对误差为0.13;遗传算法的平均绝对误差为95 m³/s,平均相对误差为0.05。结果表明：遗传算法精度明显高于传统方法。在实际应用中,对于河道洪水波的传播规律性变化较大的河道,应根据不同量级洪水来模拟洪水的传播规律,并对相应量级的洪水进行预报。     

格尔木河222Rn同位素变化及其对地表水-地下水交互关系的指示意义

我国西北内陆干旱区水资源匮乏,生态环境脆弱,在全球气候变化和人类活动干扰背景下,采用同位素方法进行精细尺度地表水-地下水交互作用研究是探求当地水循环变化和水资源管理的基本要求。通过测量格尔木河流域河水、地下水样品2019年5月和8月的²²²Rn浓度和典型断面流量,结果发现：山区河段河水²²²Rn浓度最高,平均值为948.72 Bq·m^-3,指示基岩裂隙水是山区河段重要补给来源;山前冲洪积扇河水²²²Rn浓度最低,平均值为76.71 Bq·m^-3,地下水补给较少;溢出带地区河水²²²Rn浓度上升至平均676 Bq·m^-3,地下水溢出补给河水,向下至细土平原,河水²²²Rn浓度呈下降趋势。时间变化上,8月与5月相比,河水²²²Rn浓度下降,表明地下水补给减少。溢出带S1~S2河段河水与地下水交互关系以双向转化为主,基于质量守恒原理计算河水与地下水交互通量,5月和8月累积河水渗漏通量分别为3.87 m³?s^-1和0.9 m³?s^-1,地下水补给通量分别为0.51 m³?s^-1和0.47 m³?s^-1,河水渗漏强度大于地下水补给,二者交互通量存在时空差异。     

近20a来黑河中游张掖盆地地下水动态变化

在研究黑河中游张掖盆地水文地质条件及对区内地下水进行动态分区的基础上, 总结了区内1981-2001年地下水水位、储量的时空变化规律. 结果表明: 1)盆地内部沿冲洪积扇自上而下的 4 个区域内由于赋存条件的差异, 地下水多年动态类型分异显著. 其中, 冲洪积扇中上部 20 世纪 80 年代的10 a内地下水储量累积减少56.47×10⁶m³, 90年代地下水储量累积减少150.83×10⁶m³; 冲洪积扇下部80年代储量减少11.80×10⁶m³, 90年代减少77.50×10⁶m³; 细土平原 20 a 内储量累积减少0.56×10⁶m³; 临高河谷平原近20 a内储量增加了 1.78×10⁶m³; 进入 90 年代后, 各区域变化幅度均有不同程度增加. 2)各区域内地下水年内动态类型复杂, 存在显著的季节差异, 在进入 90 年代后年内动态变化也均有不同程度的增强.     

基于不同开采方式的煤矿涌水量预测及其环境影响分析

煤矿开采不当会对水资源与水环境造成破坏,尤其在生态环境相对脆弱地区更是如此。针对目前矿井涌水量预测大多以单一工作面或煤矿为评价单元,对沟域内煤矿群同时长期开采的地下水环境影响重视不够。选择头道河则沟域为研究区,以地下水勘查、井田勘探资料为依据,构建了头道河则完整沟域的地下水三维非稳定流数值模型,根据地下水、地表水监测数据和煤矿群开采涌水量的长观资料进行模型的识别与验证,以9#煤矿为典型矿区,分析综采和条带充填2种不同开采方式下矿井涌水量及其对水环境的影响。研究结果表明：(1)综采状态下,矿井涌水量增加0.70×10⁴ m³/d,导致地下水溢出量减少0.20×10⁴ m³/d,引发矿区及区域地下水水位下降0.21～17.92 m;条带充填开采状态下,矿井涌水量增加0.11×10⁴ m³/d,导致地下水溢出量减少0.04×10⁴ m³/d,引发矿区及区域地下水水位下降0.01～0.44 m。(2)煤矿按综采方式开采,...     

抽水试验资料的遗传算法反演水文地质参数

基于MATLAB遗传工具箱的遗传算法是一种借鉴生物界自然选择和自然遗传机制的全局最优化随机搜索算法。它以其简单通用、鲁棒性强、适于并行处理及高效等显著特点,在各领域得到了广泛的应用。结合抽水试验实例采用遗传算法反演水文地质参数,并将所求参数与配线法和直接图解法所得参数进行对比分析。结果显示,遗传算法所求参数的计算降深与实测降深吻合程度高,方便快捷,不失为一种有效的水文地质参数求解方法。     

控制海水入侵的地下水多目标模拟优化管理模型

为实现滨海含水层地下水开采-回灌方案优化、控制海水入侵面积和降低海水入侵损失等多重管理目标,建立了海水入侵条件下地下水多目标模拟优化管理模型SWT-NPTSGA。模拟模型采用基于变密度流的数值模拟程序SEAWAT来模拟海水入侵过程。优化模型采用小生境Pareto禁忌遗传混合算法NPTSGA来求解,该算法在保证多目标权衡解的收敛性和计算效率的前提下,能维护整个进化群体的全局多样性。将SWT-NPTSGA程序应用于一个理想滨海含水层地下水开采方案和人工回灌控制海水入侵的优化设计中,结果表明该管理模型能够同时处理最大化总抽水流量、最小化人工回灌总量和最小化海水入侵范围等3个目标函数之间的权衡关系。通过采用人工回灌海水入侵区的减灾策略,既能增加滨海地区的供水量,又可减少海水入侵的范围,由此进一步验证了模型的有效性和可靠性。     

遗传算法在非线性地下水经济管理模型中的应用

通常采用基于梯度的数学规划方法求解地下水管理模型,如线性规划和非线性规划。但对于高度非线性、非凸的优化问题,尤其是涉及到经济或环境的地下水管理模型,传统方法难以有效地寻找全局最优解。本文介绍了一种求解非线性地下水资源管理模型的遗传算法,并以山东羊庄盆地分布参数地下水系统非线性管理模型为例,给出了用遗传算法在求解这类问题的一般步骤。结果表明该方法能快速有效地找到全局最优解。     

双种群进化粒子群算法求解地下水管理模型

为避免粒子群算法(PSO)早熟的缺点,设计了一种双种群进化粒子群算法(DE-PSO)。DE-PSO是基于PSO,引入选择、交叉及差分变异操作,并结合合理有效的粒子评价方法及越界处理方法之后形成的。将DE-PSO应用于两个地下水管理模型算例,第一个算例DE-PSO解的总抽水量分别比遗传算法(GA)、模拟退火算法(SA)和PSO减少了64、256、207 m3/d,第二个算例DE-PSO解的总治理成本分别比GA、SA和PSO减少了57.74、151.93、76.59万元。两个算例中DE-PSO都表现出稳定的进化趋势,寻优效率好于GA、SA和PSO,可以有效求解地下水管理模型问题。     

A Hybrid Multi‐Objective Evolutionary Algorithm for Optimal Groundwater Management under Variable Density Conditions

In this paper, a new hybrid multi-objective evolutionary algorithm (MOEA), the niched Pareto tabu search combined with a genetic algorithm (NPTSGA), is proposed for the management of groundwater resources under variable density conditions. Relatively few MOEAs can possess global search ability contenting with intensified search in a local area. Moreover, the overall searching ability of tabu search (TS) based MOEAs is very sensitive to the neighborhood step size. The NPTSGA is developed on the thought of integrating the genetic algorithm (GA) with a TS based MOEA, the niched Pareto tabu search (NPTS), which helps to alleviate both of the above difficulties. Here, the global search ability of the NPTS is improved by the diversification of candidate solutions arising from the evolving genetic algorithm population. Furthermore, the proposed methodology coupled with a density-dependent groundwater flow and solute transport simulator, SEAWAT, is developed and its performance is evaluated through a synthetic seawater intrusion management problem. Optimization results indicate that the NPTSGA offers a tradeoff between the two conflicting objectives. A key conclusion of this study is that the NPTSGA keeps the balance between the intensification of nondomination and the diversification of near Pareto-optimal solutions along the tradeoff curves and is a stable and robust method for implementing the multi-objective design of variable-density groundwater resources.     

分布参数地下水管理模型的遗传算法研究

在简单回顾了分布参数地下水管理模型的发展和建模方法基础上, 阐述了将地下水模拟模型耦合到遗传算法之中, 求解分布参数地下水管理模型的方法和特点, 给出了该算法的程序框图。最后通过实例说明遗传算法适于求解非线性地下水管理模型。     

板状体磁异常数据反演的PSO算法

粒子群优化(PSO)算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的算法,是一类随机全局优化技术,它通过粒子间的相互作用搜索复杂空间中的最优区域,其优势在于效率高,且又简单易实现。本文讨论了PSO算法用于板状体磁异常数据反演的方法,并与遗传算法(GA)进行了比较。理论和实测磁异常数据反演的结果表明,PSO算法具有更高的找寻最优解效率,是一种很有潜力的位场反演工具。     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.