利用趋势化随机参数场的地下水流数值模拟优化方法

doi:10.19657/j.geoscience.1000-8527.2022.008

现代地质 ›› 2022, Vol. 36 ›› Issue (02): 591-601.DOI: 10.19657/j.geoscience.1000-8527.2022.008

利用趋势化随机参数场的地下水流数值模拟优化方法

南天¹^,²(), 曹文庚¹^,², 王卓然³(), 张娟娟⁴, 张栋⁵

1. 中国地质科学院水文地质环境地质研究所, 河北石家庄 050061
2. 京津冀平原地下水与地面沉降国家野外科学观测研究站, 河北石家庄 050061
3. 水利部信息中心,北京 100053
4. 河北省地矿局第六地质大队,河北石家庄 050058
5. 中国地质大学(北京) 水资源与环境学院,北京 100083

收稿日期:2021-10-20 修回日期:2022-02-20 出版日期:2022-04-10 发布日期:2022-06-01
作者简介:南天,男,助理研究员,1986年出生,地下水科学与工程专业,主要从事水文地质和地下水数值模拟研究。Email:419416433@qq.com。
基金资助:
国家自然科学基金面上项目(41972262);河北自然科学基金优秀青年科学基金项目(D2020504032)

Optimized Groundwater Numerical Simulation Model with Trending Parameter Field

NAN Tian¹^,²(), CAO Wengeng¹^,², WANG Zhuoran³(), ZHANG Juanjuan⁴, ZHANG Dong⁵

1. Institute of Hydrogeology and Environmental Geology, CAGS, Shijiazhuang, Hebei 050061, China
2. National Observation and Research Station on Groundwater and Land Subsidence in Beijing-Tianjin-Hebei Plain, Shijiazhuang, Hebei 050061, China
3. Water Information Center, Ministry of Water Resources, Beijing 100053, China
4. 6^th Geological Team, Hebei Bureau of Geology and Mineral Resources, Shijiazhuang, Hebei 050085, China
5. School of Water Resources and Environment, China University of Geosciences, Beijing 100083, China

Received:2021-10-20 Revised:2022-02-20 Online:2022-04-10 Published:2022-06-01

摘要/Abstract

摘要：

水文地质参数场的刻画是建立地下水流数值模拟模型的关键问题和难点问题。通常来讲,参数场合理性程度越高,模型拟合精度越高。本次研究将随机方法和参数空间分布表达进行结合,提出了趋势化随机参数场的构建方法。以渗透系数为研究对象,首先利用MCMC采样和样本数据特征确定水文地质参数的基本数据结构,进而根据样本空间分布特征对其进行趋势化处理,最终形成趋势化的渗透系数场。通过算例分析,利用趋势化处理后的渗透系数场能够大幅提高模拟精度,相比传统赋均值方法其误差可降至原来的1/3。在北京大兴跌隆起地区进行的实例应用说明,趋势化渗透系数场对提升岩性粒径较大(中砂以上)地区模拟精度效果显著,案例中粗砂区域渗透系数经趋势化处理后平均拟合误差由2.76 m下降至0.64 m;而对岩性以细砂及以下粒径为主的区域模拟精度提升并不明显。总体来说,该方法可为地下水流数值模型的优化提供借鉴,提升模型拟合精度,从而更加合理地刻画地下水流系统。

关键词: 渗透系数, 地下水数值模拟, 模型优化, 随机方法, 趋势化

Abstract:

Hydrogeological parameter field is the key and challenging topic in groundwater numerical simulation. Generally, high-precision simulation results are derived from more reasonable parameter field. In this study, a trending stochastic parameter field construction method was proposed with stochastic and spatial distribution simulation technology. We took the hydraulic conductivity field as an example, and used the MCMC sampling method and sample feature analysis to extract data structure first. After that, the stochastic parameter field was reshaped with the trend features. For the case study, we compared the traditional parameter field, which filled blocks with the regional mean value. The trending parameter field has significantly improved the model accuracy with the mean error reduced by about 2 times. Practically, the mean simulation error comes down from 2.76 to 0.64 m in the coarse-grained area. In contrast, there is little effect in the low permeability area. To conclude, our method can provide reference for optimizing groundwater numerical simulation, improve the model fitting accuracy, and better describe the groundwater flow system.

Key words: hydraulic conductivity, groundwater numerical simulation, model optimization, stochastic method, trend

中图分类号:

P641.2

南天, 曹文庚, 王卓然, 张娟娟, 张栋. 利用趋势化随机参数场的地下水流数值模拟优化方法[J]. 现代地质, 2022, 36(02): 591-601.

NAN Tian, CAO Wengeng, WANG Zhuoran, ZHANG Juanjuan, ZHANG Dong. Optimized Groundwater Numerical Simulation Model with Trending Parameter Field[J]. Geoscience, 2022, 36(02): 591-601.

图/表 14

图1 趋势化随机参数场技术路线

Fig.1 Technical route of the trending stochastic parameter field method

图2 目标模型渗透系数分布场

Fig.2 Hydraulic conductivity distribution of the numerical example

图3 井位置分布图

Fig.3 Distribution of wells

图4 目标流场图(等值线单位:m)

Fig.4 Flow field of the numerical case(unit: m)

表1 目标渗透系数场

Table 1 Hydraulic conductivity field of numerical example

岩性	最小值/ (m/d)	最大值/ (m/d)	平均值/ (m/d)	标准差/ (m/d)
R1	34	46	40.5	2
R2	14	26	20.5	2
R3	24	36	30.5	2

表2 模拟渗透系数场均值与标准差

Table 2 Mean and standard deviation of the simulation hydraulic conductivity field

采样方法	R1			R2			R3
采样方法	$μ$ / (m/d)	$σ$ / (m/d)		$μ$ / (m/d)	$σ$ / (m/d)		$μ$ / (m/d)	$σ$ / (m/d)
MCMC	40.27	2.38		20.25	2.54		30.24	2.40

表2 模拟渗透系数场均值与标准差

Table 2 Mean and standard deviation of the simulation hydraulic conductivity field

采样方法	R1			R2			R3
采样方法	$μ$ / (m/d)	$σ$ / (m/d)		$μ$ / (m/d)	$σ$ / (m/d)		$μ$ / (m/d)	$σ$ / (m/d)
MCMC	40.27	2.38		20.25	2.54		30.24	2.40

图5 拟合误差分布 (a)趋势化参数场拟合误差分布;(b)均值参数场拟合误差分布;(c)未趋势化处理的随机参数场拟合误差

Fig.5 Distribution of the fitting error

图6 研究区地理位置和行政分区图

Fig.6 Location and administrative regions of the study area

图7 研究区剖面Ⅰ-Ⅰ'(剖面位置见图6)

Fig.7 Profile of Ⅰ-Ⅰ' in the study area (profile’s location denoted in Fig.6)

图8 研究区潜水渗透系数分布图

Fig.8 Hydraulic conductivity distribution of shallow aquifer in the study area

图9 研究区第四系潜水含水层趋势化渗透系数场

Fig.9 Trending hydraulic conductivity field of Quaternary shallow aquifer in the study area

表3 含水层渗透系数采样值

Table 3 Sampling values of hydraulic conductivity in different zones

分区	均值/ (m/d)	标准差/ (m/d)	最大值/ (m/d)	最小值/ (m/d)
1	10	1	14	6
1	10	2	18	2
2	50	1	55	46
2	50	10	90	15

表4 渗透系数二维线性方程参数取值表

Table 4 Two-dimensional linear equation parameters of hydraulic conductivity

分区	潜水含水层渗透系数/(m/d)	a/(m/d)	b/d^-1
1	10	10	1/24
2	50	50	1/22

图10 观测孔水位拟合过程线

Fig.10 Fitting curves for mornitoring wells (a) DJ38-1B;(b) DJ35-2B

参考文献 34

[1]	何剑波, 李玉山, 胡立堂, 等. 引哈济党工程对敦煌盆地地下水位影响的数值模拟研究[J]. 水文地质工程地质, 2021, 48(6): 34-43.
[2]	李雪, 张元, 周鹏鹏, 等. 长时间尺度的京津冀平原区地下水动态模拟及演变特征[J]. 干旱区资源与环境, 2017, 31(3): 164-170.
[3]	邵景力, 赵宗壮, 崔亚莉, 等. 华北平原地下水流模拟及地下水资源评价[J]. 资源科学, 2009, 31(3): 361-367.
[4]	SHAO J L, LING L I, CUI Y L, et al. Groundwater flow simulation and its application in groundwater resource evaluation in the North China Plain, China[J]. Acta Geologica Sinica, 2013, 87(1): 243-253.
[5]	刘派. 参数不确定性对地下水数值模拟结果可靠性的影响[J]. 排灌机械工程学报, 2018, 36(7): 593-598.
[6]	吴吉春, 陆乐. 地下水模拟不确定性分析[J]. 南京大学学报(自然科学版), 2011, 47(3): 227-234.
[7]	WU J C, ZENG X K. Review of the uncertainty analysis of groundwater numerical simulation[J]. Chinese Science Bulletin, 2013, 58(25): 3044-3052.
[8]	陈彦, 吴吉春. 含水层渗透系数空间变异性对地下水数值模拟的影响[J]. 水科学进展, 2005, 16(4): 482-487.
[9]	刘瑶林, 刘国东, 徐涛, 等. 多层含水层地下水数值模型参数灵敏度分析[J]. 环境科学与技术, 2014(2): 33-37.
[10]	WU J C, HU B, ZHANG D. Applications of nonstationary stochastic theories to solute transport in multi-scale geological media[J]. Journal of Hydrology, 2003, 275(3): 208-228.
[11]	马凤春, 柳金城, 吴颜雄, 等. 基于流动单元的多油层储层参数计算和评价方法研究[J]. 现代地质, 2020, 34(2): 370-377.
[12]	李锟, 于炳松, 王黎栋, 等. 塔里木盆地东南地区侏罗系低孔渗砂岩储层成岩作用及孔隙演化[J]. 现代地质, 2014, 28(2): 388-395.
[13]	王旭东, 吕乐, 时俊, 等. 抽水试验反演水文地质参数的多线全程加权法[J]. 水利学报, 2020, 51(3):276-285.DOI: 10.13243/j.cnki.slxb.20190599.
[14]	赵琳琳, 肖长来, 陈昌亮, 等. 基于抽水试验的多种方法确定水文地质参数[J]. 地下空间与工程学报, 2015, 11(2): 306-309,357.
[15]	LI P, QIAN H, WU J. Comparison of three methods of hydrogeological parameter estimation in leaky aquifers using transient flow pumping tests[J]. Hydrological Processes, 2014, 28(4):2293-2301.
[16]	程洲, 吴吉春, 徐红霞, 等. DNAPL在透镜体及表面活性剂作用下的运移研究[J]. 中国环境科学, 2014, 34(11): 2888-2896.
[17]	赵勇胜, 韩慧慧, 迟子芳, 等. 渗透系数级差对污染物在低渗透透镜体中的迁移影响研究[J]. 中国环境科学, 2018, 38(12): 161-167.
[18]	YANG M, ANNABLE M D, JAWITZ W. Field-scale forward and back diffusion through low-permeability zones[J]. Journal of Contaminant Hydrology, 2017, 202: 47-58.
[19]	刘慧中. 西北干旱半干旱区含水层渗透系数空间变异性研究[D]. 西安: 长安大学, 2015.
[20]	陈宝辉, 王文科, 段磊, 等. 巴音河下游河床渗透系数空间变异性研究[J]. 水利水电技术, 2019, 50(1): 56-61.
[21]	MO S X, ZABARAS N, SHI X Q, et al. Deep convolutional encoder-decoder networks for uncertainty quantification of dynamic multiphase flow in heterogeneous media[J]. Water Resources Research, 2019, 55(1): 703-728.
[22]	STREBELL S. Conditional simulation of complex geological structures using multiple-point statistics[J]. Mathematical Geology, 2001, 34(1):1-21.
[23]	罗利川, 梁杏, 李扬, 等. 基于GMS的岩溶山区三维地下水流模式识别[J]. 中国岩溶, 2018, 37(5): 680-689.
[24]	张俊, 侯光才, 赵振宏, 等. 基于剖面数值模拟的地下水流系统结构控制因素--以鄂尔多斯白垩系盆地北部典型剖面为例[J]. 水利水电科技进展, 2012, 32(2): 18-22.
[25]	李金荣, 韩新正, 万红友, 等. 渗透系数的空间变异研究[J]. 中国农村水利水电, 2011(2): 11-13.
[26]	RYAN R J, BOUFADEL M C. Influence of streambed hydraulic conductivity on solute exchange with the hyporheic zone[J]. Environmental Geology, 2006, 51(2): 203-210.
[27]	GENEREUX D P, LEAHY S, MITASOVA H, et al. Spatial and temporal variability of streambed hydraulic conductivity in West Bear Creek,North Carolina,USA[J]. Journal of Hydro-logy, 2008, 358(3):332-353.
[28]	杨金璇, 潘懋, 刘钰洋, 等. 一种适用于泛克里金趋势函数的优化方法[J]. 计算机与数字工程, 2020, 48(2): 271-276.
[29]	DEUTSCH C. Geostatistical Reservoir Modeling (H)[M]. Oxford: Oxford University Press, 2014: 153-167.
[30]	CLIFTON P M, NEUMAN S P. Effect of Kriging and inverse modeling on conditional simulation of Avra Valley aquifer in Southern Arizona[J]. Water Resources Research, 1982, 18(4): 1215-1234.
[31]	束龙仓, 陶玉飞, 刘佩贵. 考虑水文地质参数不确定性的地下水补给量可靠度计算[J]. 水利学报, 2008, 39(3):346-350.
[32]	郝燕玲, 单志明, 沈锋. 基于自适应metropolis算法的α稳定分布参数估计[J]. 系统工程与电子技术, 2012, 34(2): 236-242.
[33]	南天, 李鹏, 李星宇, 等. 大兴迭隆起隐伏岩溶水资源评价及开采方案预测[J]. 中国岩溶, 2014, 33(2): 156-166.
[34]	吕金波, 王纯君, 刘鸿, 等. 北京的地质环境系统划分[J]. 城市地质, 2017, 12(3):19-25.

利用趋势化随机参数场的地下水流数值模拟优化方法

Optimized Groundwater Numerical Simulation Model with Trending Parameter Field

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 34

相关文章 7

编辑推荐

Metrics

本文评价

[1]	程智余, 刘瑞, 张金锋, 马海春, 王京平. 围压变化作用下基于水力开度变化的单裂隙渗流特性研究[J]. 现代地质, 2023, 37(04): 972-976.
[2]	侯宏冰，陈立，郭晓静，马琳娜. 压裂液在煤层中的运移模拟研究[J]. 现代地质, 2015, 29(2): 331-336.
[3]	陈立，张发旺，程彦培，蔺文静，陈江，张琳. 宁夏海原盆地地下水水化学特征及其演化规律[J]. 现代地质, 2009, 23(1): 9-14.
[4]	郑佳肖长来邵景力梁秀娟. 吉林省白城市地下水数值模拟及其变化趋势[J]. 现代地质, 2009, 23(1): 130-136.
[5]	李长青邵景力靳萍崔亚莉. 平原地区水文地质结构条件模拟及其应用:以华北平原为例[J]. 现代地质, 2009, 23(1): 137-143.
[6]	高业新吴庆华韩玉英靳晓颖王贵玲梁建军金晓路. 抽水含水层对非抽水含水层水位影响的效应分析[J]. 现代地质, 2009, 23(1): 164-170.
[7]	樊友丽周训林黎阮传侠曹春山. 天津地区深层地下热水开采动态分析[J]. 现代地质, 2006, 20(3): 486-493.