一种新的估计非高斯分布含水层渗透系数场的方法

集合卡尔曼滤波（ensemble Kalman filter, EnKF）是最流行的数据同化方法之一。然而,在处理非高斯问题时,EnKF存在局限性。为了解决非高斯问题并准确描述含水介质连通性,将正态分数变换（normal-score transformation, NST）与多重数据同化集合平滑器（ensemble smoother with multiple data assimilation, ES-MDA）相结合,提出NS-ES-MDA方法。通过对比实验,验证了NS-ES-MDA方法估计非高斯分布含水层渗透系数场的有效性。
相较于重启正态分数集合卡尔曼滤波器（restart normal-score ensemble Kalman filter, rNS-EnKF）方法,NS-ES-MDA在吸收相同数据后,参数估计精度提升约34%,计算效率提升约35%。此外,NS-ES-MDA方法受“异参同效”现象的影响较小,具有较强的更新能力,能够保障得到较准确的参数估计值。研究可为非高斯分布含水层参数估计提供一种有效的求解方法。