地下水数值模拟_模型篇

7.4模型参数与输入

模拟模型所需的参数因建立模型的目的不同而存在差异。通常模型需要两类数据。

第一类是定义模型范围、结构和性质的参数，统称为“模型参数”。

包括模型边界位置、模拟单元厚度和已知污染区范围等模型几何性质参数；

渗透系数、空隙度和化学反应速率常数等物理和化学参数；

初始条件、边界条件、源汇强度等外部作用参数等。

这是广义模型参数。

模型参数也可在狭义上定义，例如，在狭义上，水流模型参数指渗透系数和贮水参数；

污染物迁移模型参数指弥散系数和滞留因子。

这里我们应用模型参数的广义定义。

第二类数据包括实测的水头、流速、污染物浓度、迁移速率等。

虽然它们对于建立概念模型和校正模拟模型必不可少，但它们不是模型的固有参数（对于非稳定问题，初始水头和初始浓度除外），因此称为“非模型参数”。

在前面几节中，我们已经讨论了初始条件、边界条件和源汇等参数。

本节侧重讨论模型域参数的赋值方法，模型几何参数，水流参数和污染物迁移参数，包括渗透系统K、贮水参数（贮水率S，贮水系数S和给水度S）、空隙度n，弥散度α，吸附/解吸参数（滞留因子R和分配系数K），动力学参数等。

还将讨论裂隙系统的等效渗透系数计算方法。

7.4.1参数赋值方法和注意事项

数值法必须离散化研究域形成剖分网格，模型的参数需要在网格节点上或网格内部给定。

然而，在野外实际条件下，即使是很小的研究区域，使用最完善的勘探调查方法，也只能提供有限数量的监测参数，因此在每个剖分网格或单元上都有实测参数是不现实的。

在多数情况下，能够获得的参数数量是有限的。

这就需要模拟者在已有参数的基础之上，通过对参数分布规律的认识，推测大多数网格的参数值。

由于污染物迁移模型所需参数众多，每个参数都对水流或污染物的迁移产生一定程度的影响，因此，参数赋值成为模拟模型是否成功的重要步骤。

常用的模型参数赋值方法有三种，第一种是分区赋值方法，第二种是插值赋值方法，第三种是逐个网格输入的方法。

1.参数分区与赋值方法

参数分区赋值方法是最常用的模型参数赋值方法，分为两步，第一步是参数分区，第二步是参数赋值。

参数分区是根据已有实测参数点的分布和可能的参数变化分界线，如地层岩性界线、厚度变化界线、强弱渗透带界线、岩溶裂隙发育程度、隔水界线等，将研究域划分成有限个区域，在同一区域内，参数值相同。

参数分区的界线应与剖分网格的界线（单元或网眼的边线）吻合，在建立模拟模型时，就要考虑网格界线与参数区界线的一致性问题。

参数赋值是将本区的参数值输入到对应的剖分网格之中，在同一参数区内的各个网格拥有相同的参数值。

如果同一个参数区中有不只一个实测参数值，且值的差别不大，则可用算术平均值或加权平均值作为本区的参数值。

如果参数值差别较大，则不应分在同一参数区中。

作为例子，图7.4.1和图7.4.2给出了唐山地区第四系潜水含水层和基岩裂隙岩溶含水层水流系统模拟的参数分区和各区参数值图。第四系含水层给定渗透系数和给水度，基岩含水层给定导水系数、贮水系数和给水度。

参数分区赋值方法有其独特的优点。

由于研究域的每个剖分网格都归属于某一参数区，而同一参数区的全部网格具有相同的参数值，所以我们不必与成千上万个剖分网格打交道，只需输入和修改有限个参数区上的参数值即可，从而大大简化了模型的参数输入和修改过程。

对于试算和敏感性分析，这种方法尤为优越。

修改某参数区的参数，对应参数区的所有网格的参数就可自动获得修改。

试算和校正过程需要反复调整参数，这种方法能够较好地反映模拟者对模型参数分布特征的认识。

参数分区赋值方法的另一个优点是能够较好地反映模拟者对模型参数分布特征的认识。

从宏观角度看，在很多情况下，参数本身确实存在分区分布的特征，分区赋值能够反映这一特征。

参数分区赋值方法也有其固有的缺点。

第一，分区是一种宏观上的平均化方法，不能反映参数在中观到微观尺度上的变化。

对于污染物迁移模拟而言，中观到微观的参数变化可能直接影响污染物的迁移到达时间和浓度分布。

由于平均化的方法不能很好反映这种变化，从而给计算带来误差。

第二，参数分区具有一定的随机性。

同一研究域不同模拟者的参数分区往往是不同的。

为了获得更客观的分区，就需要更多的信息量。

第三，参数分区附近的拟合和计算有时存在困难。模拟经验显示，在参数分界线附近的拟合和计算有时较为困难。第四，参数区划分时在一些特殊情况下可能较为困难。此外，当相邻参数区的参数对比度很大时（如相差几个数量级），还可能导致数值计算失败。

7.4.2 渗透系数

渗透系数K是水流和污染物迁移模拟中最基本的、也是最重要的参数。

渗透系数与多孔介质和迁移流体的性质有关(见$1.2节)。

对于各向同性介质，K是标量；对于各向异性介质，K是二秩张量，在二维空间上有4个分量，在三维空间上有9个分量，构成了渗透椭球体(见$1.3节)。

渗透系数对流场具有显著的作用。

图7.4.4例举了均匀流场中，水流通过强、弱透镜体的流场变化情况。

由图可知，渗透系数大的强透镜体具有吸水作用，见图7.4.4(a)，通过的水流量大，流速快，等时点稀疏；渗透系数小的弱透镜体情况正好相反，见图7.4.4(b)，大部分水流绕过透镜体流动。由于透镜体的阻隔作用，水流速度减缓，等时点密集。

对渗透系数的研究报导很多。表7.4.1给出了水在部分岩石介质中的渗透系数值范围和典型值。由表可知，不同岩性的岩石介质，渗透系数的变化范围很大。即使定问一尖型的从莎迎州女一其兴人盾量级的差别。松散沉积介质的渗透系数变化规律明显，颗粒越大、连迪性越好，疹迈尔双心八。加灰渗透系数的变化范围很宽，主要受岩性和裂隙、岩浴发育样度以义尤填情优i红的8他出石相而兴泥岩岩、花岗岩等，虽然裂隙数量不多，但裂隙延伸长、张开性好，所以疹迈性女。及L;型任右口如从石v同等，裂隙密度可能很大，但单个裂隙小，张开性差、延伸短、多充填，所以渗透系数反而很小。比较而言，同一类型松散沉积介质的均质性好，具有趋于各向同性的性质；而基岩裂隙介质则具有更强的非均质性和各向异性。

在剖面二维模拟中，研究域的上边界通常是地表面。在地表面与潜水面之间是包气带。对于饱和流问题，有时上边界条件必须在地表面上给定，而实际的上边界位置是潜水面。对于这种情况，在包气带区域，可以给定很大的垂向渗透系数，很小的水平渗透系数，使水流迅速从地表面到达潜水面，而基本不发生水平运行，从而获得满意的计算精度。

最常用的渗透系数实测方法是野外抽注水试验法。在第三章中，我们已经详细讨论了应用野外抽注水试验资料确定渗透系数的方法。读者还可参考《Aquifer Hydraulics - A Comprehensive Guide to Hydrogeologic Data Analysis》(Batu, 1998)一书。大量实测结果显示，渗透系数通常符合对数或者对数正态分布。受风化作用影响的裂隙岩溶介质，其渗透系数通常随深度的增加而减少，一般也符合对数分布规律。

需要注意的是，水运动模拟和污染物迁移模拟的渗透系数输入值存在差异。进行单纯的水运动模拟时，我们更注重水流的平均状况。此时，应用参数分区的方法进行模型参数输入和调整简单方便。然而，这种平均化的方法在很多时候并不适用于污染物迁移的模拟 (Zheng等，2002)。在污染物迁移模拟中，通常我们都很关心污染物的前缘什么时候到达指定位置。在参数分区方法中，由于同一参数区的渗透系数相同，优先到达指定位置的污染物，其迁移时间取决于污染物的弥散能力，而实际情况并不一定如此，因为随水流迁移的污染物通常是沿着渗透性强的通道迁移的，平均化的方法并不能反映这样的强通道。因此，在实施水流和污染物迁移统一模拟时，要尽量反映渗透性的差异，以便更准确地刻画污染物的迁移。

7.4.4 贮水率、贮水系数和给水度

由于多孔介质具有贮存和释放水的能力，所以对于非稳定水流模拟问题，需要给定介质的贮水性参数(参见第二章)。二维承压水问题需要给定贮水系数8；二维潜水问题要给定给水度S；二维承压–无压水要同时给定贮水系数和给水度；三维问题要给定贮水率S；三维潜水问题还要给定给水度。贮水率与贮水系数的关系是S=S_b，其中b为含水层厚度。

介质的贮水性参数对模拟计算结果有着显著的影响。图7.4.11例举了给水度对潜水含水层水位的影响情况。两河的初始水位均为10 m，相距600 m，河间潜水含水层的渗透系数为1m/d，初始水位为10 m。从初始时刻起，两河水位瞬时上升到16m。含水层水位上升的速度受给水度的影响较大。同是回水30天的时间，当S_b分别为0.01, 0.05, 0.1和0.2时，在两河间含水层的中央位置，水位上升高度分别为2.54, 0.32, 0.06和0.01 m。

介质的贮水性参数并不容易获得。与渗透系数相比，关于贮水性参数的报道要少得多。贮水系数S和给水度S_b可以通过抽注水试验的方法加以确定，且要求试验是在非稳定流状态下进行的。应用抽注水试验资料求参数，尤其是求S_b，存在计算误差 (Neuman, 1979)。贮水率S可根据多孔介质和水的压缩性来估算 (Freeze和Cherry, 1979; Domenico和Schwartz, 1998)。表7.4.3和表7.4.4给出了部分岩石介质的贮水率和给水度典型值和取值范围。

7.5 模拟计算与预测

在建立概念模型、模拟模型并输入各参数之后，下一个步骤是实施模拟计算。模拟计算的目的是展示模型能够产生与实际观测水实助依没相下通汁植拟计算。预报水头和污染物浓度分布的过程；反演演计算是在已知模型参数和作用水TTPH iBnJO 田的过程。伸模拟计算得到的水头和浓度与实际观测结果计算是寻找合适的参数值、边界条件和源汇作用的过程，使模拟计算得到的水头和浓度与实际观测结果具有一致性，并满足相应的误差标准。

7.5.1 初始计算和误差

1. 迭代收敛标准

对于采用迭代法求解的模型，在术沈 )之差应该满足的误差标准，小于该标准就可认为迭代收敛，是指两次迭代间囚受里(小/以/夫收颌需要继续迭代。迭代收敛标准的设定要适度，以程已经收敛，迭代停止；大于以协性，S_1(已?代求解讨程不收敛，而过于宽松的标准则会使计算误差满足计算精度为准。过于广严恰的孙在Hl敛坛难时应讲行多次试算，通过改变误差标准，评价计算结果过大，甚至产生错误的计算结术。仕收然校状以作为参考，可设定水头和浓度的迭代收敛标准比其要求果受到的影响程度，最后确定合适的收敛标准。作为参考，可设定水头和浓度的迭代收敛标准比其要求的计算精度小2个数量级。例如水头的精度要求是0.01，那么迭代收敛标准可设定为<0.0001。

在设定迭代收敛标准之前，还应了解所用模拟软件对迭代收敛的判据。例如，MODFLOW用各节点迭代误差的最大值作为是否收敛的判据；PLASM用节点的误差和作为判据；AQUIFFEM除可用节点最大迭代误差之外，还可用误差平方和的根作为判据。显然，为了达到相同的计算精度，MODFLOW应比PLASM设定更小的收敛标准。

物质均衡误差是模拟模型优劣的重要评价指标。好的模拟模型应保持系统的物质平衡。然而，大部分软件并不允许用户设定物质均衡收敛标准，但也有另外一

7.4.2 渗透系数

渗透系数K是水流和污染物迁移模拟中最基本的、也是最重要的参数。渗透系数与多孔介质和迁移流体的性质有关(见$1.2节)。对于各向同性介质，K是标量；对于各向异性介质，K是二秩张量，在二维空间上有4个分量，在三维空间上有9个分量，构成了渗透椭球体(见$1.3节)。

渗透系数对流场具有显著的作用。图7.4.4例举了均匀流场中，水流通过强、弱透镜体的流场变化情况。由图可知，渗透系数大的强透镜体具有吸水作用，见图7.4.4(a)，通过的水流量大，流速快，等时点稀疏；渗透系数小的弱透镜体情况正好相反，见图7.4.4(b)，大部分水流绕过透镜体流动。由于透镜体的阻隔作用，水流速度减缓，等时点密集。

对渗透系数的研究报导很多。表7.4.1给出了水在部分岩石介质中的渗透系数值范围和典型值。由表可知，不同岩性的岩石介质，渗透系数的变化范围很大。即使定问一尖型的从莎迎州女一其兴人盾量级的差别。松散沉积介质的渗透系数变化规律明显，颗粒越大、连迪性越好，疹迈尔双心八。加灰渗透系数的变化范围很宽，主要受岩性和裂隙、岩浴发育样度以义尤填情优i红的8他出石相而兴泥岩岩、花岗岩等，虽然裂隙数量不多，但裂隙延伸长、张开性好，所以疹迈性女。及L;型任右口如从石v同等，裂隙密度可能很大，但单个裂隙小，张开性差、延伸短、多充填，所以渗透系数反而很小。比较而言，同一类型松散沉积介质的均质性好，具有趋于各向同性的性质；而基岩裂隙介质则具有更强的非均质性和各向异性。

在剖面二维模拟中，研究域的上边界通常是地表面。在地表面与潜水面之间是包气带。对于饱和流问题，有时上边界条件必须在地表面上给定，而实际的上边界位置是潜水面。对于这种情况，在包气带区域，可以给定很大的垂向渗透系数，很小的水平渗透系数，使水流迅速从地表面到达潜水面，而基本不发生水平运行，从而获得满意的计算精度。

最常用的渗透系数实测方法是野外抽注水试验法。在第三章中，我们已经详细讨论了应用野外抽注水试验资料确定渗透系数的方法。读者还可参考《Aquifer Hydraulics - A Comprehensive Guide to Hydrogeologic Data Analysis》(Batu, 1998)一书。大量实测结果显示，渗透系数通常符合对数或者对数正态分布。受风化作用影响的裂隙岩溶介质，其渗透系数通常随深度的增加而减少，一般也符合对数分布规律。

需要注意的是，水运动模拟和污染物迁移模拟的渗透系数输入值存在差异。进行单纯的水运动模拟时，我们更注重水流的平均状况。此时，应用参数分区的方法进行模型参数输入和调整简单方便。然而，这种平均化的方法在很多时候并不适用于污染物迁移的模拟 (Zheng等，2002)。在污染物迁移模拟中，通常我们都很关心污染物的前缘什么时候到达指定位置。在参数分区方法中，由于同一参数区的渗透系数相同，优先到达指定位置的污染物，其迁移时间取决于污染物的弥散能力，而实际情况并不一定如此，因为随水流迁移的污染物通常是沿着渗透性强的通道迁移的，平均化的方法并不能反映这样的强通道。因此，在实施水流和污染物迁移统一模拟时，要尽量反映渗透性的差异，以便更准确地刻画污染物的迁移

。

7.4.4 贮水率、贮水系数和给水度

由于多孔介质具有贮存和释放水的能力，所以对于非稳定水流模拟问题，需要给定介质的贮水性参数(参见第二章)。二维承压水问题需要给定贮水系数8；二维潜水问题要给定给水度S；二维承压–无压水要同时给定贮水系数和给水度；三维问题要给定贮水率S；三维潜水问题还要给定给水度。贮水率与贮水系数的关系是S=S_b，其中b为含水层厚度。

介质的贮水性参数对模拟计算结果有着显著的影响。图7.4.11例举了给水度对潜水含水层水位的影响情况。两河的初始水位均为10 m，相距600 m，河间潜水含水层的渗透系数为1m/d，初始水位为10 m。从初始时刻起，两河水位瞬时上升到16m。含水层水位上升的速度受给水度的影响较大。同是回水30天的时间，当S_b分别为0.01, 0.05, 0.1和0.2时，在两河间含水层的中央位置，水位上升高度分别为2.54, 0.32, 0.06和0.01 m。

介质的贮水性参数并不容易获得。与渗透系数相比，关于贮水性参数的报道要少得多。贮水系数S和给水度S_b可以通过抽注水试验的方法加以确定，且要求试验是在非稳定流状态下进行的。应用抽注水试验资料求参数，尤其是求S_b，存在计算误差 (Neuman, 1979)。贮水率S可根据多孔介质和水的压缩性来估算 (Freeze和Cherry, 1979; Domenico和Schwartz, 1998)。表7.4.3和表7.4.4给出了部分岩石介质的贮水率和给水度典型值和取值范围。

$7.5 模拟计算与预测

在建立概念模型、模拟模型并输入各参数之后，下一个步骤是实施模拟计算。模拟计算的目的是展示模型能够产生与实际观测水实助依没相下通汁植拟计算。预报水头和污染物浓度分布的过程；反演演计算是在已知模型参数和作用水TTPH iBnJO 田的过程。伸模拟计算得到的水头和浓度与实际观测结果计算是寻找合适的参数值、边界条件和源汇作用的过程，使模拟计算得到的水头和浓度与实际观测结果具有一致性，并满足相应的误差标准。

7.5.1 初始计算和误差

1. 迭代收敛标准

对于采用迭代法求解的模型，在术沈 )之差应该满足的误差标准，小于该标准就可认为迭代收敛，是指两次迭代间囚受里(小/以/夫收颌需要继续迭代。迭代收敛标准的设定要适度，以程已经收敛，迭代停止；大于以协性，S_1(已?代求解讨程不收敛，而过于宽松的标准则会使计算误差满足计算精度为准。过于广严恰的孙在Hl敛坛难时应讲行多次试算，通过改变误差标准，评价计算结果过大，甚至产生错误的计算结术。仕收然校状以作为参考，可设定水头和浓度的迭代收敛标准比其要求果受到的影响程度，最后确定合适的收敛标准。作为参考，可设定水头和浓度的迭代收敛标准比其要求的计算精度小2个数量级。例如水头的精度要求是0.01，那么迭代收敛标准可设定为<0.0001。

在设定迭代收敛标准之前，还应了解所用模拟软件对迭代收敛的判据。例如，MODFLOW用各节点迭代误差的最大值作为是否收敛的判据；PLASM用节点的误差和作为判据；AQUIFFEM除可用节点最大迭代误差之外，还可用误差平方和的根作为判据。显然，为了达到相同的计算精度，MODFLOW应比PLASM设定更小的收敛标准。

物质均衡误差是模拟模型优劣的重要评价指标。好的模拟模型应保持系统的物质平衡。然而，大部分软件并不允许用户设定物质均衡收敛标准，但也有另外一

些软件允许用户设定物质均衡的迭代收敛标准。在进行模拟计算时，不仅要考虑水头和浓度的迭代收敛情况，还要关注物质均衡误差的变化趋势。如果物质均衡误差呈现出逐渐减小的趋势，并且在满足收敛标准的前提下达到一个相对稳定的水平，说明模型的物质平衡逐渐得到满足，模拟结果是可靠的。反之，如果物质均衡误差波动较大，不能达到一个相对稳定的水平，需要检查模型的参数和边界条件设置是否合理，是否需要进一步调整模型参数。

2. 初始计算

初始计算是指在进行迭代计算之前，对水流和污染物迁移的初值进行计算。初始计算的目的是提供一个合理的初始场景，为迭代计算提供一个起点。初始计算的步骤包括：

（1）设定初始条件：确定模拟计算的起点，包括初始水头、初始浓度分布等。

（2）设定边界条件：给定边界条件，包括模型的上、下、左、右边界的水头和浓度值。

（3）设定源汇项：确定模型中的源汇项，包括水源、污染物源、水井、污染物排放口等。

（4）进行初始计算：根据设定的初始条件、边界条件和源汇项，进行一次模拟计算，得到初始场景。

初始计算的结果通常用作迭代计算的初始场景，对模拟结果的准确性和稳定性有着重要的影响。初始计算要根据具体问题的特点进行合理设定，确保初值场景能够反映实际情况。

7.5.2 迭代计算

在进行初始计算之后，就可以开始迭代计算。迭代计算的目的是通过多次迭代，逐步优化模型的参数和边界条件，使模拟计算的结果逼近实际观测情况。迭代计算的步骤包括：

（1）进行第一次计算：根据初始条件、边界条件和源汇项，进行第一次模拟计算。

（2）检查模型结果：对模拟计算的结果进行检查，包括水头、浓度分布、物质均衡误差等。

（3）调整模型参数和边界条件：根据检查结果，对模型的参数和边界条件进行调整，以使模拟结果更接近实际情况。

（4）进行下一次计算：根据调整后的模型参数和边界条件，进行下一次模拟计算。

（5）迭代循环：重复步骤（2）到（4），直至模拟结果满足设定的迭代收敛标准。

在迭代计算的过程中，需要根据模型计算的结果进行不断的优化。对于水头和浓度的迭代计算，通常采用的是数值方法，如有限差分法、有限元法等。在每一次迭代中，模型会根据当前的模型参数和边界条件，计算出水头和浓度的新场景。然后通过比较新场景与前一次迭代的场景，判断是否满足迭代收敛标准。如果满足，迭代结束；如果不满足，根据收敛情况调整模型参数和边界条件，进行下一次迭代。迭代计算的次数和调整的次数取决于实际问题的复杂程度和模型的收敛速度。

7.5.3 模拟结果验证

模拟计算完成后，需要对模拟结果进行验证。验证的目的是检查模拟结果是否与实际观测情况一致，验证的步骤包括：

（1）与实测数据比较：将模拟结果与实际观测的水头和浓度数据进行比较，分析模拟结果的准确性。

（2）误差分析：对比模拟结果与实际观测数据的误差，分析误差的来源和分布，找出模型的不足之处。

（3）参数灵敏度分析：进行参数灵敏度分析，了解模型参数对模拟结果的影响程度，确定哪些参数对模拟结果影响较大。

（4）边界条件敏感性分析：进行边界条件敏感性分析，了解边界条件对模拟结果的敏感性，确定边界条件的合理范围。

（5）模型稳定性分析：对模型的稳定性进行分析，了解模型在不同条件下的稳定性，确定模型在实际应用中的适用范围。

通过以上验证步骤，可以评估模拟结果的可靠性和准确性。如果模拟结果与实际观测情况一致，并且误差在可接受范围内，说明模型的建立和计算是成功的。如果存在较大的误

差，需要重新检查模型的参数、边界条件以及模型假设等方面，并可能需要进行进一步的调整和改进。

7.5.4 模型应用与预测

在验证模拟结果的基础上，模型可以应用于实际的水流和污染物迁移预测。预测的过程包括：

（1）设定未来情景：确定预测的时间范围和条件，包括未来的水头、边界条件、源汇项等。

（2）进行预测计算：根据设定的未来情景，使用经过验证的模型进行预测计算，得到未来的水头和浓度分布。

（3）结果分析与解释：对预测计算的结果进行分析和解释，了解未来水流和污染物迁移的趋势和变化规律。

（4）模型评估：评估模型在预测中的准确性和可靠性，对比预测结果与实际观测数据，分析可能的误差和不确定性。

（5）调整和改进：根据评估结果，对模型进行必要的调整和改进，提高模型的预测精度和适用性。

水流和污染物迁移模型的应用不仅限于当前时期的预测，还可以用于长期的水资源管理、环境保护规划和应急响应等方面。通过模型的应用，可以更好地理解水流和污染物迁移的复杂过程，指导决策制定和资源管理，提高对水环境变化的响应能力。

需要注意的是，模型的应用和预测结果仍受到一定的不确定性影响。因此，在进行模型应用和预测时，需要谨慎处理不确定性，考虑多种可能性，采用敏感性分析等方法，提高模型结果的可信度。

总体而言，水流和污染物迁移模型的建立、计算、验证和应用是一个复杂的过程，需要综合考虑水文地质条件、模型参数设定、观测数据准确性等多方面因素。通过不断地优化和完善模型，可以更好地服务于水资源管理和环境保护的需要。

3. 实测数据的误差问题

在模型参数调试和检验阶段，我们都要用到实测数据，如实测的水头、污染物浓度等。在模型参数调试阶段，模型计算结果对实测数据的拟合程度是确定模型参数的基本依据；在模型检验阶段，调参后模型的计算结果是否能够拟合实测数据达到可接受的精度也是模型是否通过检验的依据。由于实测数据有着如此重要的作用，所以获得精确的实测数据是非常重要的。在应用模拟中，能够获得的实测资料通常都是很有限的，因此每个实测数据都很珍贵，应尽可能充分利用。

然而，由于受到各种因素的影响，水头和浓度的实测值和据此为基础绘制的等值线都存在误差。认识实测数据的误差，无论是对于参数调试还是模型检验都很重要，也是设定实测数据可信度指标的重要依据。分析实测数据的误差时应注意下面一些问题:

① 水跃问题：抽水井和注水井在工作时都存在水跃。所谓水跃是井中水位与井外壁处水位间的差值。通常含水层的渗透系数越低，水跃值越大；井的流量越大，水跃值也越大。存在水跃时，井中的水位并不代表含水层中的水位。如果以工作井（抽水或注水井）作为观测井，自然存在误差。

② 井流量和所含污染物浓度波动所带来的观测问题：工作井及其附近的观测孔中的水位和污染物浓度受井流量和污染物浓度波动的影响很大，获得的瞬时观测数据可能与一段时间内的平均值有较大差别。如果模型中不能反映井流量和所含污染物浓度的瞬时变化而只能使用波动的平均值，那么它们与水头和浓度的瞬间实测值就存在不协调问题。

③ 尺度效应问题：监测数据可能存在尺度效应。在有限差或有限元的单个网格上的参数是该网格参数的平均值。观测的水头或浓度值可能受到小尺度上介质非均匀性的影响，而模型无法获得或表示该尺度上的变化，从而产生误差。基岩裂隙含水系统经常存在这种问题。

④ 潜水位波动问题：潜水含水层的水位波动很大，在同一天内都可能有较大的波动，受到河流、潮汐影响的观测位置更是如此。由于潜水位的波动性质，在使用潜水位数据时应特别小心。最好有比较长时间的观测数据，如一个水文周期等。单个孤立数据的价值不大。

⑤ 观测数据的时间差异问题：在绘制水头或浓度等值线时，空间数据应是同一时刻的数据。然而实际情况是，很少有数据是在同一时刻观测的。如果必须应用不同时间的实测数据绘制等值线图，那么必须设定合理的时间区间，在这一区间内，实测数据的波动误差是可以接受的。即使如此，利用不同时间的实测数据绘制的等值线图仍存在误差。

⑥ 源汇概化问题：以井为例，揭露含水层的井可能有很长的过滤器。对于平面二维模拟，揭穿含水层的井可视为点状源汇，但对于三维模拟就不能这样假设，而必须按线状源汇处理。

⑦ 实测点位与模型节点的一致性问题：理想情况下，水头和浓度的实测点应位于剖分网格的节点上，但实际情况下有时很难做到。如果观测位置不在节点上，为了获得节点上的水头和浓度值，就要进行插值，从而带来误差。

⑧ 插值误差问题：利用实测数据绘制等值线图时，都要进行插值，从而带来插值误差。实测数据越稀疏，插值误差也就越大。

⑨ 其他问题，如仪器误差、测量误差、分析误差等等。

7.5.2 模型参数调试

模型参数调试是通过不断调整模型的输入参数，使模拟计算结果与实测值的拟合达到满意精度的过程。最常用的拟合指标是水头和浓度，不过野外观测到的水流量和污染物通量等

也可作为求参数的指标，如基流量、泉流量、河流入渗量、蒸发排泄量、污染物注入量、污染物到达时间等。例如，在求参过程中，增大渗透系数和减少补给量可能产生同样的水头计算结果，这时就可以用流量来校核渗透系数。水头不变，渗透系数增大，流量增加。

模型参数调试的基本过程如图7.5.1所示。第一步，确定调试的参数及其变化范围；第二步，进行模拟计算，得到模型计算结果；第三步，分析计算结果与实测结果的误差，如果误差是可以接受的（满足预定的精度要求），则进入第四步，调试结束；如果误差不可接受，则进入第四步，根据误差情况调整模型参数，返回第二步，重新进行计算。

调试过程需要进行多次，具体需要多少次才能完成取决于初始参数的可靠性和采用的调试方法。可能需要十几次到几百次的调试才能得到满意的结果。

1. 模型参数调试的准备工作

在进行模型参数调试之前，要进行一些准备工作。首先，确定可接受的模型计算误差值，设定每个参数区参数值的允许波动范围。其次，准备拟合求参的数据，绘制实测数据的图表。参数调试中，选择拟合点和拟合时间也是非常重要的。拟合点通常是具有实测数据的节点，但由于实测数据也存在误差，并受到数据完整性的影响，不同拟合节点的权重是不同的。拟合时间即指单个节点拟合时间的长短，也指从初始时刻到拟合结束时刻的时间间隔。合理选择拟合点和拟合时间对于调试的成功至关重要。

2. 手动试算参数调试法

调试模型参数的方法有两种，一是手动试算参数调试法，二是自动参数调试法。手动试算参数调试法是最早和最基本的方法，现在仍然有广泛的应用。自动参数调试法从20世纪70年代末开始研究，已有大量的文献报道，并从90年代开始出现程序软件，但到目前为止，这一方法仍存在很多缺陷，如不切合实际的参数组合等。尽管如此，由于自动参数调试法可以克服手动试算参数调试法的主观性，相信会逐步成为参数调试的主导方法。

手动试算参数调试法非常直观明了，它通过手动的方式，反复调整模型参数以及边界条件、源汇作用强度等参数，使模拟计算结果对实测结果的拟合程度达到满意的精度。手动调参比较灵活，不仅可以调整参数值，还可以改变参数的结构，如参数区等。

由于可调试的参数较多，在实际调参过程中，要限制每次可调试的参数个数，并限定参数的取值范围。通常，每次只调整一个参数，不过有时也可同时调试两个参数。在参数调试之前，进行参数的灵敏度分析是必要的。每次调整参数并计算之后，都要进行误差分析，评价与实测结果拟合度的改善情况，并为下一次参数调试寻找方向。

对拟合求参效果的评价要点面结合。在拟合点上，不同时间的计算结果应与实测结果保持一致，误差满足要求；在面上，要绘制水头和浓度的等值线图，并与实测等值线图进行比对，也可绘制误差分布等值线图。这些图件有助于我们识别产生误差的原因。误差的分布必须是随机的，如果存在明显的误差变化趋势（例如，计算浓度普遍比实测浓度高等），那么还需要进一步调参。

拟合误差有多种表示形式，包括误差分布表、实测数据和计算结果叠置的等值线图、误差分布等值线图、节点上实测数据与计算结果随时间的变化曲线图、试算误差曲线图、误差与试算次数间的关系曲线图等。例如，表7.5.1就是用表格方式表示的唐山地区双含水层系统（第四系含水层和基岩裂隙含水层）地

下水运动模型的调试误差情况；图7.5.2是基岩裂隙水实测水头与计算水头等值线的对比图；图7.5.3是长期观测孔中实测水头与模拟计算水头的对比曲线（Karanjac等，1977）；图7.5.4则是稳定流模型水头标准差随试验计算次数的变化曲线（Anderson等，1992）。

实际参数调试过程中，通常要先调试水运动模型，通过调节渗透系数、贮水系数、给水度等参数，实现与实测结果的拟合。当水运动模型的调试达到预期效果后，开始调试污染物迁移模型。通过调节空隙度、弥散度、滞留因子等参数，实现与实测结果的拟合。在调试迁移模型时，通常还要进一步调试水运动模型。这是因为迁移模型的调试过程能够发现预先调试的水运动模型的缺陷，例如，相对实测值而言，对流迁移速度太小，污染物无法达到预定地点；计算得到的水流方向与观测到的不一致等。联合调试中，水运动模型调试的重点是水流速度，可通过调试渗透系数和补给量来实现。如前所述，增大渗透系数和减少补给量可产生同样的水头计算结果，但水流速度增大。反复调试水运动和污染物迁移模型，直到与实测值的拟合程度满足精度要求为止。由于污染物迁移模型的调试能够揭示水运动模型在其单独调试过程中无法发现的缺陷，因此在参数调试中，应该尽可能多地利用迁移相关的观测数据。很多研究都显示，迁移时间和浓度数据的使用能大大提高模型参数调试的质量，即使单独进行水运动模拟时也是如此（Krabbenhoft等，1990；Phillips和Plummer，1994；Anderman等，1996；Castro等，1998；Weiss和Smith，1998；Anderman和Hill，1999；Zheng等，2002）。

调参过程中要注意分析资料的可信度。对于可信度高的参数，在调参过程中应不作调整或少作调整。由于手动试算调参没有定量分析计算结果的统计不确定性或可信度，因此在调参后要进行详细的灵敏度分析。

手动试算参数调试法具有方便灵活，可同时调试参数值和参数结构的优点，因此在实践中得到广泛应用。然而，这种方法也有明显的局限性。例如，可调试参数较多时，调参过程会比较长，且不一定能够找到最佳的参数组合。此外，调参过程还受到模拟者的经验和偏好的影响，在很多情况下是模拟者对参数的主观判断影响着参数的调试过程。手动试算参数调试法由于存在人为的随意性，致使很多调试结果质量很差，影响了模拟计算结果的可信度。正因为如此，很多模拟者目前倾向于使用自动参数调试法。但手动试算法不会完全被取代（Zheng等，2002）。至少，一定次数的试算可以帮助我们检查模型的灵敏度和稳定性。试算法还能帮助我们纠正模拟概化和参数输入中一些难以发现的错误。

3. 自动参数调试法

与手动参数调试法相对应的是自动参数调试法，分为直接反演求参数法和间接反演求参数法两种。直接反演求参数法以水头和浓度作为已知量，把渗透系数、弥散系数等作为未知函数，通过数学反演过程直接求参数。这种方法的主要问题是可能存在解的不稳定性或不唯一性，此外也无法识别实测资料的误差。

间接反演求参数法与手动试算参数调试法类似，也是通过修改参数和试算，求得与实际资料拟合最好的解。不过，它能够自动检查水实加浓度次约定伯实际应用中也有其局限性；第一，模型本身存在校正上的困难，例如，参数组合的非唯一性和参数的不合理性问题，如参数为负值等。参数的不合理性问题可以通过合理的参数分区以及设定参数值在合理的取值区间来控制。第二，在实际应用中，调试的过程可能受到监测数据质量和数量的限制。数据不足或质量差可能导致调试结果不够准确。第三，可进行间接反演求参数的程序有限。第四，求得的参数可能依赖于初始猜测值，选择不同的初始值可能

产生不同的调试结果。因此，在使用自动参数调试法时，需要慎重选择初始猜测值以及调试的参数范围。

尽管自动调参存在局限性，但是它克服了手动试算法的主观性，并提供了更系统和统一的方式来评估模拟计算结果与实测数据的拟合程度。自动参数调试法可以定量分析参数的灵敏度和不确定性，为模型的优化提供更为科学的依据。目前可实现自动参数调试的计算机程序包括MODFLOW-OWP（Hill，1992），PEST（Doherty，1994），UCODE（Poeter等，1998），MODFLOW-2000（Hill等，2000），SUTRA（Piggott等，1994）等。此外，新的自动参数调试程序还在不断出现。

在自动参数调试法中，直接反演求参数法和间接反演求参数法各有优劣。直接反演求参数法虽然能够通过数学反演过程直接求解参数，但容易受到解的不稳定性和不唯一性的影响。间接反演求参数法通过试算和对比实际观测数据的拟合程度来调整参数，更加直观和灵活，但在实际应用中需要谨慎选择初始猜测值和参数范围。

总体而言，自动参数调试法在提高参数调试的科学性和效率方面取得了显著的进展。随着计算机技术的不断发展，自动参数调试法将在水文模型的建立和优化过程中发挥越来越重要的作用。然而，在应用中仍需谨慎处理模型的不确定性和数据的质量，以确保模型参数调试的可靠性和有效性。

下面简单介绍间接反演求参数的基本方法。关于反演求参数的详细讨论，读者可参阅有关文献（Yeh, 1986; Carrera和Neuman, 1986a, 1986b; Strecker和Chu, 1986; Chu和Strecker, 1987; Ginn和Cushman, 1990; Hill等，1998; Yager, 1998; Zimmerman等，1998; Hill等，1998, 2000）。

间接反演求参数的基本思想是通过一系列的参数调整，求得目标函数的最小值。目标函数通常定义为模拟计算值与实测值之间残差平方的加权和（Zheng等，2002）。

式中，F为目标函数；y_i和y_i'分别为第i个实测点的计算值和测量值；s_i为第i个实测点的加权残差值；w为权重；N为实测点的个数。

大多数水运动和污染物迁移模型都是非线性的，模型因变量（水头和浓度）不是模型参数的线性函数。非线性模型可表示为：

式中，f()是模型的计算值；x，y，z，t是独立变量；a，…，a是模型参数；E为剩余项。这时，目标函数F表示为。

求目标函数最小值的常用方法是最小二乘法。求F关于参数a的导数，并令其为零得。

由此得到M个方程构成的方程组，求解之可得到使目标函数F达到最小的一组参数a，…，aw，它们就是模型的参数。另外一种自动求参数方法是试算自动求参数法。在第四章4.6.3段，我们详细讨论了试算拟合求参数方法，这种方法的基本原理也是求目标函数的最小值。在求参数前，设定各参数的可能取值区间和试算增量（步长）。每次调整一个参数（给参数一个增量），其余参数不变，进行模拟计算，并根据(7.5.9)式计算目标函数F的值。各参数在其取值区间上的可能值（以试算增量为间隔）都得到扫描之后，比较目标函数的值，目标函数最小的一组参数即为所求参数。自动参数调试法通常要预先设定参数区，即将研究域划分为有限个参数区，在同一参数区内，参数为常数。在调参过程中一般不对参数区进行修改。不过近年来，同时改变参数和参数区的调参方法也有研究，如Kalman滤波，分步回归等（Zheng等，1996；Eppstein和Dougherty，1996；Hyndman和Gorelick，1996；Koltermann和Gorelick，1996；Sun等，1998；Day-Lewis等，2000）。

4. 非唯一性问题

众多应用模拟的结果显示，反演求参数存在非唯一性问题。就是说，参数的多种组合形式都能得到类似的满足精度要求的计算结果，这就是模型的不确定性问题。正因为存在不确定性问题，数值模拟的求参过程遭到了很多人的质疑。一些学者认为水运动和污染物迁移模型不存在绝对意义上的正确，模型的正确性只能是相对的，对历史数据的拟合是正确的（Konikow和Bredehoeft，1992）。不过Tsang（1991，1992）认为，为了使模型能够很好地描述实际水运动和污染物迁移，模型的有效性是一个很重要的概念。尽管在绝对意义上有效的模型很难达到，但在相对意义上有效的模型还是能够达到的，例如，相对一个给定的区域和特定的模拟目的，在特定的野外条件和模拟标准下等。

了解模型的不确定性是必要的。在同一地区，不同目的的模拟所得到的参数可能是不同的。我们必须客观地认识这种差异。

7.5.3 灵敏度分析

灵敏度，也称敏感性，是模型计算结果对参数改变的响应程度的度量指标。灵敏度分析的主要目的是确定参数、边界条件、源汇等的不确定性对模型计算结果的影响程度，从而检查模型的正确性。灵敏度分析非常重要，在模型参数调试之前和之后，都应该进行。在调参前进行灵敏度分析可以帮助我们确定调参的方向；在调参后进行灵敏度分析，可以确定模型的正确性。显然，如果某个参数的微小变化引起了计算结果的较大改变，则说明模型对该参数过于敏感而不稳定，模型是不可靠的。

灵敏度分析通常的方法是改变模型中某一参数值，保持其他参数不变，进行计算，分析该参数对模型计算结果的影响，如对水头、浓度、流量、通量和物质均衡等的影响。不过有时也可同时改变两个参数，如增加补给量，同时减少渗透系数等。灵敏度分析的参数取值应在合理的参数取值范围之内。作为例子，表7.5.2给出了非稳定水运动模型的灵敏度分析结果（Watts，1989）。图7.5.5是有限差分法中潜水位计算结果对渗透系数和面源补给强度的灵敏度分析结果，图的纵坐标是计算水位相对潜水位的差值，对应的差分网格是第21行的58—70列（Gerhart等，1988）。

式中，X_i_k 是模型因变量 y 关于第 k 个参数在第 i 个实测点的灵敏度系数。灵敏度系数对于模型计算很有用，它告诉我们在哪个实测点上哪个参数对计算结果的影响最大，无论是手动调参还是自动调参，它都为调参确定了方向。X_i_k 也可写成与参数量纲无关的形式。
 

此时，灵敏度系数的单位与因变量 y 的单位相同。灵敏度系数还可写成无量纲形式。

这种形式便于对不同参数的灵敏度进行比较。在保持其他参数不变的前提下，给某一参数一个增量，计算因变量y（水头或浓度）的改变量，由此得该参数的灵敏度系数。

 

其中，a和Δa为第k个参数的值及其增量；y(a)和y(a + Δa)为因变量y在a和a + Δa处的值。由(7.5.14)式和(7.5.15)式定义的灵敏度系数可以反映某一参数的某次变化在各实测点上的灵敏度。为了反映参数a的变化对计算结果的整体影响，可定义误差平方和F的灵敏度系数为


 

 

其中，F(a)和F(a + △a)为函数F对应a和a + △a的值。计算X的方法非常直观。例如，考虑以浓度作为因变量的灵敏度分析问题。选择第一个参数a，运行调参后模型计算得到实测点的浓度值；通过(7.5.14)式计算误差的加权平方和得F(a)；给a一个增量△a，将新的参数值a + △a代入模型中，保持其他参数不变，实施模型计算并求误差的加权平方和得F(a + △a)；应用上式即可得到误差的加权平方和的灵敏度系数。X值为正，说明F随a的增加而增加；X值为负，结果正好相反。

7.5.4 模型检验

由于模拟计算存在一定的不确定性，调参后的模型不一定能准确反映系统的实际情况。虽然在给定边界条件和源汇作用的情况下，这组参数能够产生满足精度要求的计算结果，但是如果边界条件和源汇作用发生变化，用这组参数进行的计算就可能不满足精度要求。模型检验可以帮助我们建立更为可靠的模拟模型。应用独立的实测数据进行模型检验，如果模型的精度和预报能力在可接受的误差范围内，则该模型具有较好的可靠性。常用的方法是选择一组独立的实测数据，如实测的流量和水质、地下水位等数据输入模型之中，在不改变模型其他参数的条件下运行模型，得到相应的浓度，检查计算结果对实测结果的拟合情况。如果能够达到较好的拟合度和满足精度要求，则通过检验。没有通过检验的模型还要提高拟合求参的精度，重新进行调参，重新检验。如果在重新调参中使用了检验数据，那么检验数据就成为了调参数据的组成部分。这时，要用新的一组独立的实测数据进行检验。对于水运动模型，用稳定流模型计算非稳定问题，或用非稳定模型计算稳定问题都是模型检验常用的方法。

7.5.5 模型不确定性分析

1. 模型不确定性的原因分析
如前所述，水运动和污染物迁移模拟存在不确定性问题。不确定性的根源主要有两个方面，第一是模型输入参数的不确定性；第二是污染物迁移理论和数值方法带来的不确定性（Zheng等，2002）。模型输入参数的不确定性表现在多个方面。在模型参数调试阶段，由于可利用的实测参数有限，大部分网格上的参数值都要靠插值等手段加以确定，这个过程本身就存在严重的不确定性。此外，还包括初始条件设定的不准确性、边界条件和源汇作用等的不确定性等，都给调参带来不确定性。举个简单的例子，考虑城区绿化用水对含水层的补给量，这一补给量不仅与绿地的入渗能力有关，而且与绿地面积、植物类型、灌溉形式（喷灌、面灌）、灌溉时间、每次灌溉量、蒸发量等因素有关。这些因素本身就具有不确定性。对于一个城市成千上万块绿地，要想统计得到这些数据以及它们在模拟时间段内的变化情况即使不是不可能的，也是相当困难的。简化的处理方法是用统计平均值，这就给模型计算带来了误差，增大了模型的不确定性。在模拟预报阶段，边界条件（如边界水头、浓度、通量等）都是未知的，有些源汇作用也是未知的（如降雨量、渗透量等）。为了实施模型预测，这些未知条件都要预先给定。显而易见，对这些条件的预断存在主观性和不确定性，从而给预报结果带来不确定性。模型后评估结果显示（Konikow和Bredehoeft，1985；Person和Konikow，1986；Goode和Konikow，1990），影响模型预测结果准确性的关键是对边界条件和源汇作用预断的准确程度高低。污染物迁移理论和数值方法本身也存在不确定性。在本书第五章和第六章中，我们已经讨论了数值方法在求解对流为主污染物迁移问题时所面临的困难。数值方法上的缺陷必然给计算结果带来误差。在第一章中我们讨论了污染物迁移的对流弥散理论，这一理论的基础之一是Fick定律，用它描述污染物的弥散运动。但是实际污染物的弥散过程显示，一些弥散现

象是不能用Fick定律得到满意表述的，例如弥散度的尺度效应、拖着长尾巴的污染晕和螺旋状污染晕、犬牙交错的污染晕前锋、水流速度缓慢时也无法观测到逆流向的弥散现象等（Carrera，1993）。这些问题都与介质的非均质各向异性直接或间接相关，可能并不是污染物迁移方程本身带来的。然而目前使用的代表性单元体理论，就是建立在微观变化的宏观平均值基础之上的。对于水运动问题，这种平均化的方法是可行的，而对于污染迁移问题，宏观平均化的方法存在偏差。但要刻画污染物在介质孔道中的微观运动又是不现实的。这就是污染物迁移理论所面临的困难。

2. 不确定性的分析方法
模型不确定性分析的主要方法是灵敏度分析法和Monte-Carlo法等（Zheng等，2002）。在上文中我们介绍了灵敏度分析法，它通过单一参数的变化来分析每个参数对结果的影响程度。灵敏度分析的缺点是不能确定参数间的关系。在灵敏度分析中，每个参数是独立变化的。而实际上，参数间是可能存在相关关系的。例如，潜水含水层的面源入渗补给量就与渗透系数有关，渗透系数大的地方入渗补给量也大。由于灵敏度分析不能反映这种关系，因此关于渗透系数的灵敏度系数就可能无法准确反映该参数对模型计算结果的灵敏度。

Monte-Carlo法是分析数值模型不确定性的强有力工具。它通过随机生成参数值，进行多次模拟计算，从而得到参数值的概率分布。Monte-Carlo法的基本原理是，在一次模拟计算中，参数的值由计算机随机生成；经过成百上千次的模拟计算后，参数的随机生成值就有了统计学的规律，符合设定的概率分布函数。水运动和污染物迁移模拟常用的概率分布包括正态分布、对数正态分布、指数分布、均匀分布、三角分布、泊松分布等。渗透系数和弥散度等参数可认为遵循对数正态分布，空隙度和滞留因子等参数可认为遵循正态分布等。

Monte-Carlo法的关键之一是随机产生参数值。如果一个独立的随机变量不随空间位置而变化，那么对其进行随机取样是比较容易的。使用计算机的随机数产生器可以随机地产生一个介于0～1之间的数，然后根据该变量所符合的概率分布的特征参数如均值、方差等，就可将该数转化为符合概率分布的一个样本。然而，许多模型输入参数是随空间位置变化的，产生空间相关的随机变量要困难一些。可采用的方法包括最近邻域法（Nearest Neighbor Model，Freeze，1985）、分解法（Lecomposion Method，Neuman，1982）、换带法（Turning Band Method，Tompson等，1989）和Fourier法（Robin等，1993）等。根据随机变量在实测点上是否取得实测值，Monte-Carlo法可分为有条件模拟和无条件模拟两种。随机变量在实测点上限定为实测值的模拟过程称为有条件模拟；随机变量完全随机取值的模拟称为无条件模拟。

如上所述，Monte-Carlo法需要成百上千次运行模型，这一过程要占用大量时间。对于大型计算而言，一次计算就可能占用很多时间，成百上千次计算是不可行的，这是Monte-Carlo法的缺点所在。为了克服这一困难，一些学者提出了随机变量的约束性取样技术，可以显著减少模型的运算次数。灵敏度分析和不确定性分析可以帮助我们确定哪些参数对模型的不确定性贡献最大，从而有可能通过优化这些参数来降低模型的不确定性。降低输入参数不确定性的最直接方法是获得更多的实测数据。Monte-Carlo分析提供了模型参数对计算结果不确定性的影响程度信息，从而为新数据的获取指明了方向。降低输人参数不确定性也有间接方法，例如，可以收集更多的关于水头和浓度的数据，增加拟合节点的个数和时间长度，从而提高反演求参数的精度。

7.5.6 模拟预报

模拟预报是通过设定源汇和边界条件的各种情景，应用已建立的经过检验的模拟模型计算在预报期水头、浓度等在研究域上的时空分布。预报通常是建立数值模型的目的所在。

预报情景的设定分两种情况，第一是任务情景，第二是控制情景。任务情景是为达到模拟目的，满足模拟要求而设定的必不可少的情景。例如，在某一开采计划下，含水层中地下水位的变化情况；在未来一段时间内区域地下水的可持续开采量；湖泊底部防渗对地下水的影响；垃圾堆场渗滤液以某一流量渗漏所造成的地下水污染的范围和浓度等。任务情景下的模拟预报是应用模拟所必须完成的任务。

控制情景是为控制模型不确定性所设定的情景。任务情景和控制情景是不可分割的，控制情景的设定使任务情景下的模拟更为客观可靠。一个任务情景可能需要多个控制情景才能完成。例如，任务情景是预报某一开采计划下，含水层中的地下水位。为了完成这一预报任务，需要设定预报期的边界条件、降雨补给强度、蒸发排泄强度、回灌人渗强度等。设定它们在顶报期时1直，预记以加E小值.中值和大值三种定回灌入渗强度，而只能给定其取值区间，那么就要分多个控制情景来预报，如取小值、中值和大值三种情况，构成三个控制情景。分别进行预测计算，并分析不同控制情景下的水头分布，就可得到回灌入渗强度对计算结果的影响。

影响模型预报精度的主要因素有二，一是模型本身的不确定性程度；二是对未来条件设定的不确定程度。一个模拟模型即使在参数调试和模型检验过程中对实测数据的拟合度很高，也并不能保证其对所模拟系统的描述是客观的。因此，在进行模拟预报时，还要进行必要的灵敏度分析，至少要针对一种情景进行灵敏度分析。

在模拟预报中应注意的问题包括：

(1) 预报的时间长度问题。模拟预报中的一个重要问题是确定模型能够准确预报的时间长度，它与模型参数调试的准确程度和模型的非确定性有关。模型参数调试的准确性越高、模型非确定性程度越低，则预报的时间长度就可以越长。一般来说，调试良好的模型，预报期的长度在调试期长度的2倍以内是能够得到满意精度的(Faust 等,1981)。然而很多环境问题需要对未来很长时间进行预报，2倍的时间显然是不够的。例如放射性废物的地质贮存安全评价有时要考虑在几千乃至上万年的时间里，放射性废物是否可能进入生命圈。更长时间的预报需要进行更多的灵敏度分析和不确定性评价。

(2) 源汇强度问题。模拟预报的一个难点问题是确定控制情景的源汇强度，如降雨人渗强度、蒸发排泄强度、灌溉入渗强度等。降雨入渗强度、蒸发排泄强度等与气候条件有关，可以通过对历史资料的分析，如时间系列分析、Kalman滤波等外推预报期的强度；受人为控制的源汇如灌溉入渗强度等，只能通过设定多种控制情景来分析其对预报结果的影响，并得到多种控制情景下的预报结果。控制情景可以参考历史情况、现在情况和规划要求来设定。模拟结果后评估显示，预报期源汇作用和边界条件的不确定性是造成预报结果不准确的主要原因。

(3) 边界条件问题。模拟预报的另一个难点问题是确定预报时段的边界条件。预报时段的边界条件与模型的边界位置和性质有关。①天然岩性隔水/零通量边界，可认为其在预报期性质不变。这样的边界是最好的，应尽量加以利用。②远距离边界，需要进行试算，如果任务情景与控制情景的可能组合都不会影响到边界，则可认为该边界在预报期的性质和条件不会发生变化。③给定水头/浓度或通量边界，要设定预报期的边界水头/浓度或通量。如果任务情景与

控制情景的可能组合影响到了边界，那么边界条件的设定将对模拟结果产生显著影响，从而给模型带来显著的不确定性。克服困难的方法之是对可能发生的情景都进行模拟，计算出各种情景下的水头和浓度，并作为模型预报结果使用。

(4) 天然水力隔水边界如分水岭边界和其他流线边界等在预报期可能的位置移动问题。受任务情景的影响，如边界附近有较大的开采或注水强度等，天然水力隔水边界就可能发生位置移动。如果边界位置发生了变化，而在模型中又没有考虑这种变化，则会给计算带来误差。解决这一问题的方法是进行试算，看预报阶段的源汇作用是否影响到了水力隔水边界。

(5) 地表水体问题。地表水体通常是模型的水力边界或源汇项，无论那种情况，都需要设定预报期地表水体的情况，如地表水水位和所含污染物浓度等。可以用一个或几个水文周期的资料进行外推，并设定多种可能的控制情景进行试算。需要特别注意的是地表水体的干枯问题，这时边界条件的性质将发生改变。

(6) 污染物迁移模型的边界条件问题。若污染物迁移模型的边界在水运动模拟区的内部，也需要通过试算确定任务情景是否对边界条件和性质产生影响。对于流出边界，可以设定弥散通量为零，这样污染物仍可通过对流作用迁移离开模拟区。

7.5.7 模拟模型作为流域管理工具的应用目前的水运动和污染物迁移模拟研究多针对某一项目或工程，具有一定的时限性。项目或工程完成之后，模拟模型也就完成了使命。这是一种不经济的做法。实际上，水运动和污染物迁移模型可作为重要的流域管理工具长期使用。针对流域的具体条件建立模拟整个流域的水运动和物质迁移模型，并随着流域研究程度的加深和资料的积累，不断更新和完善模型。由于模型的历史较长，且随着新信息的获取不断得到完善，所以模型的精度较高，不确定性程度较低。应用这样的模型，可以实施有效的流域管理，如地下水开采布局、废物处置场选址等，也可用于流域地下水管理、流域规划、有关工程的环境影响评价，事故环境影响评价等，还可为流域内小范围的详细模拟提供信息和边界条件。