摘要
目前针对模型结构不确定性的研究方法主要为贝叶斯模型平均方法,而该方法受到模型权重计算困难等影响,应用受限。基于数据驱动的模型结构误差统计学习方法最近得到关注。研究采用高斯过程回归方法对地下水模型结构误差进行统计模拟,并将DREAMzs算法与高斯过程回归相结合,对地下水模型和统计模型的参数同时进行识别。基于此方法,分别以理想岩溶裂隙海水入侵过程和溶质运移柱体实验为例,进行地下水数值模拟及预测结果的不确定性分析。相对于不考虑模型结构误差条件的不确定性分析,结果表明,考虑结构误差之后,能够明显减少参数识别过程中的参数补偿影响,且能显著提高模型的预测性能。因此,基于高斯过程回归的模型结构不确定性分析可以一定程度控制地下水数值模拟的不确定性,提高模型预测可靠性。
- 单位