The present invention provides a method for evaluation of the groundwater model AM nested sampling algorithm based on the local limit nested sampling algorithm in the sampling algorithm to improve the AM algorithm, the marginal likelihood model value and posterior probability (weight) as the evaluation model of groundwater and performance indicators, according to the Bias theory and nested sampling algorithm, high dimension integral marginal likelihood will be complex and difficult to solve directly the values into one-dimensional easy calculating points, in the case analysis of groundwater model marginal likelihood values, this method through the AM adaptive updates, to ensure the quality and accuracy of sampling, NSE compared with the original MH algorithm, improve the computational efficiency and the convergence rate of the calculated results, but also improve the accuracy of the results and stability.
【技术实现步骤摘要】
一种基于AM嵌套抽样算法的地下水模型评价方法
本专利技术涉及一种地下水模型评价方法,具体涉及一种基于AM嵌套抽样算法的地下水模型评价方法。
技术介绍
近年来,数值模拟技术已成为地下水研究领域中一种不可或缺的方法,对于水资源评价、开发、管理与保护、地下水污染防治等问题具有重要意义。地下水模型的使用不仅可为决策者提供参考依据,也可对未来进行预测和估计。建模方法和工具有很多,基于不同的原理或假设条件,可以建立多个不同的地下水模型。然而,选择不同的模型对预测结果的准确性有较大的影响,因此,如何评价和选择地下水模型是当前需要解决的问题。边缘似然值(综合似然值、贝叶斯证据)是评价模型表现或计算模型权重的重要依据,然而模型的边缘似然值是其似然函数在复杂空间内的高维积分,直接计算十分困难。计算边缘似然值有多种方法,主要有:①拉普拉斯近似方法;②算数平均方法(AME);③调和平均方法(HME)等。上述常用方法主要存在以下问题:①拉普拉斯近似方法依赖于边缘似然值的解析形式,不适用于解析形式不存在的情况;②AME在参数先验分布空间内随机抽样,收敛速度慢且得到的边缘概率值偏小;③HME在参数后验分布空间内随机抽样,计算稳定性差且容易高估边缘似然值。JohnSkilling(2006)提出了一种计算边缘似然值的新方法:嵌套抽样算法(NestedSamplingAlgorithm,NSE)。该方法基于贝叶斯理论,其核心是将复杂的高维积分转化为便于数值计算的一维积分。不同于AME或HME仅在先验或后验概率空间内抽样,也不是简单地将先验与后验空间混合,嵌套抽样法在抽样的过程中由先验空间逐 ...
【技术保护点】
一种基于AM嵌套抽样算法的地下水模型评价方法,其特征在于:包括以下步骤:(1)根据研究区的水文地质条件,建立一组不同结构的概念模型M
【技术特征摘要】
1.一种基于AM嵌套抽样算法的地下水模型评价方法,其特征在于:包括以下步骤:(1)根据研究区的水文地质条件,建立一组不同结构的概念模型Mk(k=1,2,…,K)来表示实际地下水系统;(2)根据研究问题选择一组水文地质参数作为参数向量θ并确定其先验概率分布p(θ|Mk);(3)从先验分布p(θ|Mk)中随机生成参数向量θ的集合S={θ1,θ2,...,θN}作为有效集,并计算有效集中每个参数向量的联合似然函数L(θ|D,Mk),;(4)确定嵌套抽样主算法的迭代次数R,在每次迭代过程中选出有效集S中最差的参数向量作为样本,并根据梯形公式计算边缘似然值的增量ΔZ;(5)在每次迭代过程中,通过基于AM算法的局部限制抽样从先验分布p中生成新的参数向量θnew作为候选样本,以替代有效集中最差的样本;(6)完成迭代后,根据有效集S和边缘似然值的增量ΔZ,计算各个概念模型的边缘似然值Z;(7)根据计算的边缘似然值,对各个概念模型进行评价。2.根据权利要求1所述的基于AM嵌套抽样算法的地下水模型评价方法,其特征在于:步骤(3)计算联合似然函数L(θ|D,Mk):式中,C为协方差矩阵,为单位矩阵Id,μ为研究区地下水实测数据,Y为根据参数向量θ和模型通过数值模拟得到的数据,μ和Y是与地下水模型相关的状态变量,n为实测值和模拟值的个数。3.根据权利要求1所述的基于AM嵌套抽样算法的地下水模型评价方法,其特征在于:步骤(4)对于第i(i=1,…,R)次迭代,计算有效集S中最小的参数向量θworst及其对应的似然函数Lworst,令Li=Lworst,计算先验分布累积Xi、每一次迭代中的边缘似然值Zi以及边缘似然值的增量ΔZ,其中Z...
【专利技术属性】
技术研发人员:曾献奎,吴吉春,曹彤彤,
申请(专利权)人:南京大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。