基于贝叶斯方法的水文地质参数识别

被引:22
作者
陆乐 [1 ]
吴吉春 [1 ]
陈景雅 [2 ]
机构
[1] 南京大学水科学系
[2] 江苏省交通规划设计院
关键词
贝叶斯方法; MCMC方法; SCAM算法; 水文地质参数; 优化; 参数识别;
D O I
10.16030/j.cnki.issn.1000-3665.2008.05.001
中图分类号
P641.2 [地下水动力学];
学科分类号
摘要
文章基于马尔可夫链(MCMC)采样法,耦合地下水数值模拟的MODFLOW软件,提出了贝叶斯方法,用于水文地质参数识别这一复杂的非线性优化问题。采取单分量自适应Metropolis(SCAM)采样算法并加入了权重因子,从而大大提高了该方法解决高维参数问题的效率。通过两个实例研究,验证了该方法具有独特的寻优性能和效率。结果表明,贝叶斯方法适用于复杂地下水问题的参数识别,并体现出了出色的全局寻优性。
引用
收藏
页码:58 / 63
页数:6
相关论文
共 18 条
[1]  
Optimization by simulated annealing. Kirkpatrick S,Gelatt C D Jr,Vecchi M P. Science . 1983
[2]  
Calibration of distributed parameter groundwater flow models viewed as a multiple-objective decision process under uncertainty. Neuman S P. Water Resources . 1973
[3]  
Efficient Metropolis jumping rules. Gelman A G. BayesianStatistics V . 1996
[4]  
Componentwiseadaptation for high dimensional MCMC. Haario H,,Saksman E,Tamminen J. Computational Statistics . 2005
[5]   一种新的水文地质参数优化方法——Tabu搜索法 [J].
陈静 ;
周志芳 .
水电能源科学, 2005, (03) :35-37+91
[6]  
Review of parameter identificationprocedures in groundwater hydrology:The inverse problem. Yeh W W-G. Water Resources . 1986
[7]   Componentwise adaptation for high dimensional MCMC [J].
Haario, H ;
Saksman, E ;
Tamminen, J .
COMPUTATIONAL STATISTICS, 2005, 20 (02) :265-273
[8]  
地下水数值模拟[M]. 科学出版社 , 薛禹群, 2007
[9]   遗传算法和高斯牛顿法联合反演地下水渗流模型参数 [J].
姚磊华 .
岩土工程学报, 2005, (08) :885-890
[10]  
The future of distributed models:model calibration and uncertainty prediction. Beven K,Binley A. Hydrological Processes . 1992