基于贝叶斯网络的全局敏感性分析方法及其在地下水污染运移模拟模型中的应用

Global sensitivity analysis has been an important tool for estimating the global importance of uncertain input factors of numerical models, especially for groundwater contaminant transport model with complex uncertain inputs. However, the conventional global sensitivity analysis methods focus on the importance of singe parameter and cannot capture the other uncertain input factors (e.g., boundary, model structure) and their correlations. In this research we propose to develop a new global sensitivity analysis method, which considers multiple uncertain inputs and their correlations, for complex groundwater contaminant transport system. First, a Bayesian network-based uncertainty framework will be built to describe the uncertain inputs of groundwater contaminant transport model and their correlations; second, the variance-based global sensitivity analysis will be integrated with Bayesian network framework to develop a new sensitivity analysis method; then the new methodology will be implemented into one synthetic model and one realistic groundwater contaminant transport model based on the data collected from Zhaoqing City of Guangdong Province. This research proposes to integrate the Bayesian network and sensitivity analysis to construct a new global sensitivity analysis methodology in theoretical part. Then through the applications of new methodology on synthetic and realistic models, we plan to reveal the common patterns of groundwater contaminant transport model sensitivity analysis results and the important factors that influence the groundwater contaminant processes.

全局敏感性分析方法作为度量模型不确定性输入因素全局重要性的工具，对拥有复杂不确定性输入的地下水污染运移模拟模型具有重要作用。传统全局敏感性分析方法仅针对模型参数等单一不确定性因素开展研究，忽略边界、模型结构等其它多种不确定性因素及其关联性对敏感性分析的影响。本项目针对复杂地下水污染运移系统，构建考虑多种不确定性因素及其关联性的新型全局敏感性分析方法。首先，利用贝叶斯网络构建不确定性框架，描述地下水污染运移模拟模型不确定性输入因素和它们之间的关联性；其次，将框架与基于方差的全局敏感性分析方法相结合，开发新型敏感性分析方法；最后，将它应用于理想模型和基于广东肇庆数据的实际地下水污染模拟模型中。本项目拟在理论研究上，融合贝叶斯网络和敏感性分析方法，构建新型全局敏感性分析方法；在实际应用上，通过理想和实际模型的实例研究，揭示地下水污染模拟模型敏感性结果的共有规律和影响地下水污染运移过程的重要因素。

因为数据的稀缺和观测的困难，地下水数值模型有着来源复杂多样的不确定性输入。全局敏感性分析因为能够量化比较这些不确定性输入的全局重要性而得到了重视。传统全局敏感性分析方法仅考虑了模型参数的不确定性，忽略了边界、模型结构等其它多种不确定性输入因素及其相关性。本项目利用贝叶斯网络构建了新型的考虑各输入因素关联性的不确定性分析框架，以此为基础开发了新型的能够克服以上缺点的全局敏感性分析工具，并将其应用在了地下水生物地球化学过程模拟、大尺度地下水-地表水耦合模拟、大尺度水文气象状况模拟中，精确计算出了这些模型中最重要的不确定性输入因素，从而揭示了影响这些模型的最重要环境因素，为这些模型的率定和不确定性分析工作提供了辅助支持。综上所述，本项目为环境和水文领域的复杂模型提供了更精确高效的新型全局敏感性分析的工具和应用范例。