共 5 条
- [1] 基于贝叶斯推理的环境水力学反问题研究.[D].朱嵩.浙江大学.2008, 05
- [5] An introduction to MCMC for machine learning[J]. MACHINE LEARNING, 2003, 50 (1-2) : 5 - 43Andrieu, Cde Freitas, NDoucet, AJordan, MI
水动力-水质耦合模型污染源识别的贝叶斯方法
被引：23
作者：
朱嵩
[1
]
刘国华
[1
]
王立忠
[1
]
毛根海
[1
]
程伟平
[1
]
黄跃飞
[2
]
机构：
[1] 浙江大学建筑工程学院
[2] 清华大学水利水电工程系
基金：
浙江省自然科学基金;
关键词：
环境水力学;
反问题;
贝叶斯推理;
污染源识别;
D O I：
10.15961/j.jsuese.2009.05.003
中图分类号：
X52 [水体污染及其防治];
学科分类号：
0815 ;
摘要：
环境水力学系统存在诸多不确定性,如测量数据的不确定性等,这导致水体中污染源识别这一类反问题具有不适定性,尤其表现为反演结果的非唯一性。经典的正则化方法和最优化方法由于只能获得参数的"点估计",因而在求解不确定性较强的问题时存在较大的困难。此外水质模型和流场控制方程(Navier-Stokes方程)耦合,使得正问题的解具有较强的非线性特征。为解决上述问题,针对水动力-水质耦合模型,建立了基于贝叶斯推理的污染物点源识别的数学模型,通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)后验抽样获得了污染源位置和强度的后验概率分布和估计量,较好地处理了模型的不确定性和非线性。算例结果表明,结合MCMC抽样的贝叶斯推理方法能很好地描述及求解水动力-水质耦合场条件下的污染源识别反问题。
引用
收藏
页码：30 / 35
页数：6
相关论文