中国环境科学

作者：能昌信, 张慧敏, 孙晓晨, 徐亚, 刘景财, 刘玉强

单位：1. 山东工商学院信息与电子工程学院, 山东 烟台 264005;2. 中国环境科学研究院, 北京 100012;3. 甘肃省工业废弃物循环与调控重点实验室, 甘肃 兰州 730000

关键词：不确定性分析,替代模型,数值模拟,填埋场,风险评估

基金：国家重点研发计划项目(2023YFC3708902)

针对传统基于解析解与Monte Carlo耦合的填埋场地下水污染风险预测方法难以准确刻画渗漏不确定性的问题,提出了一种高性能仿真模拟与不确定性分析耦合的填埋场渗漏风险及其不确定性表征技术.为解决传统不确定性分析框架下,高仿真模拟数值模型计算负荷大,不确定性分析效率低的问题,引入粒子群优化算法(PSO)与极限梯度提升算法(XGBoost)模型,通过学习精细模拟模型计算获得的多组样本,建立替代模型来预测;同时,为了解决PSO-XGBoost对抽样数量的过度依赖,提出了改进的抽样方法.实验结果表明,与以Landsim为代表的解析解-monte carlo耦合算法相比,本研究构建基于数值模拟模型样本的机器学习替代模型更好的捕捉了参数不确定性对结果的影响,预测的污染浓度分布区间平均为传统模型的1.36倍;基于PSO-XGBoost的替代模型及改进的抽样方法,相比于其他机器学习模型,预测精度(R²=0.99)和稳定性更好,且模型训练阶段计算时间减少70%,大幅提升了不确定性分析的效率.基于该模型的应用研究表明,第10a特征污染物COD超标的概率达到56.43%,存在超标可能的距离为54m,表明研究区存在一定污染风险.研究成果为填埋场渗漏污染风险及不确定性分析提供了高效、精准的科学方法,并为进一步开展相关研究提供了借鉴.

来源：2025年第9期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2025年第9期