近日，我校長(zhǎng)江保護(hù)與綠色發(fā)展研究院張江江和南統(tǒng)超教授所在團(tuán)隊(duì)借助深度學(xué)習(xí)技術(shù)，開發(fā)了一系列功能強(qiáng)大的數(shù)據(jù)同化方法，為復(fù)雜的非線性、非高斯數(shù)據(jù)同化問題提供了全新的解決方案。這些研究成果在水資源領(lǐng)域國(guó)際知名期刊《Water Resources Research》連續(xù)發(fā)表3篇研究論文。

數(shù)據(jù)同化是一種將自然系統(tǒng)的觀測(cè)數(shù)據(jù)與數(shù)值模型結(jié)合，以獲得對(duì)自然系統(tǒng)更準(zhǔn)確預(yù)測(cè)的方法。經(jīng)典的數(shù)據(jù)同化算法，如集合卡爾曼濾波，基于線性的卡爾曼更新公式，適用于符合線性高斯假設(shè)的數(shù)據(jù)同化問題。然而，大多數(shù)地球系統(tǒng)過程是非線性和非高斯的，這使得傳統(tǒng)數(shù)據(jù)同化算法在解決這些復(fù)雜問題時(shí)表現(xiàn)欠佳。針對(duì)這一不足，張江江等提出使用深度學(xué)習(xí)更新替代傳統(tǒng)的卡爾曼更新公式，開發(fā)出一種名為“深度學(xué)習(xí)驅(qū)動(dòng)的集合平滑器方法”（ESDL）。目前，ESDL方法已得到多個(gè)學(xué)者的應(yīng)用，相關(guān)論文發(fā)表于《Journal of Hazardous Materials》《Geoenergy Science and Engineering》《Agricultural Water Management》等相關(guān)領(lǐng)域主流期刊。

進(jìn)一步的研究發(fā)現(xiàn)，通過為深度學(xué)習(xí)模型提供更全面的輸入信息，可以獲得更優(yōu)良的同化效果。在此基礎(chǔ)上，團(tuán)隊(duì)發(fā)展出一種融合多源數(shù)據(jù)輸入的數(shù)據(jù)同化算法，即“基于深度學(xué)習(xí)的數(shù)據(jù)同化算法”（DADL，圖1）。該方法在高斯和非高斯情況下均顯示出優(yōu)于經(jīng)典數(shù)據(jù)同化算法的效果，表現(xiàn)出強(qiáng)大的普適性。相關(guān)論文被《Water Resources Research》期刊編輯（editor）Stefan Kollet選為亮點(diǎn)（highlight）文章。

圖1 基于深度學(xué)習(xí)的數(shù)據(jù)同化算法所用到的深度學(xué)習(xí)模型。

為應(yīng)對(duì)裂縫介質(zhì)的強(qiáng)非均質(zhì)性和非高斯性帶來的挑戰(zhàn)，團(tuán)隊(duì)開發(fā)出一種名為“基于深度學(xué)習(xí)的參數(shù)估計(jì)器”（PEDL）的新型數(shù)據(jù)同化方法。該方法利用深度學(xué)習(xí)模型構(gòu)建先驗(yàn)參數(shù)、先驗(yàn)?zāi)Ｐ洼敵?、觀測(cè)數(shù)據(jù)三種信息到后驗(yàn)參數(shù)的映射。數(shù)值案例和實(shí)測(cè)案例結(jié)果表明，PEDL算法具備有效識(shí)別裂隙網(wǎng)絡(luò)主要特征的能力（圖2）。

圖2 (a) PEDL對(duì)水力滲透系數(shù)均值場(chǎng)的估計(jì)；(b) PEDL對(duì)水力滲透系數(shù)標(biāo)準(zhǔn)差場(chǎng)的估計(jì)；(c-f) PEDL對(duì)水力滲透系數(shù)場(chǎng)估計(jì)的隨機(jī)樣本。

此外，團(tuán)隊(duì)將所發(fā)展的ESDL算法與海水入侵的科學(xué)治理緊密結(jié)合。實(shí)現(xiàn)地下水科學(xué)管理的前提是對(duì)其含水層特征進(jìn)行有效刻畫。然而，直接測(cè)量濱海含水層的參數(shù)存在較大困難。在這種情況下，團(tuán)隊(duì)借助數(shù)據(jù)同化技術(shù)，從容易觀測(cè)的水頭、濃度等數(shù)據(jù)出發(fā)，獲得了對(duì)含水層參數(shù)更為準(zhǔn)確的認(rèn)識(shí)。通過實(shí)施ESDL算法，團(tuán)隊(duì)成功地提高了對(duì)海水入侵過程的預(yù)測(cè)精度（圖3）。

圖3 不同時(shí)刻、不同等濃度線的分布情況。

相關(guān)論文信息：

Jiangjiang Zhang*; Chenglong Cao; Tongchao Nan; Lei Ju; Hongxiang Zhou; Lingzao Zeng; A Novel Deep Learning Approach for Data Assimilation of Complex Hydrological Systems, Water Resources Research, 2024, 60(2): e2023WR035389

Tongchao Nan; Jiangjiang Zhang*; Yifan Xie; Chenglong Cao; Jichun Wu; Chunhui Lu; Effective Characterization of Fractured Media with PEDL: A Deep Learning-Based Data Assimilation Approach, Water Resources Research, 2024（已接收）

Chenglong Cao; Jiangjiang Zhang*; Wei Gan; Tongchao Nan; Chunhui Lu; A Deep Learning-Based Data Assimilation Approach to Characterizing Coastal Aquifers Amid Non-linearity and Non-Gaussianity Challenges, Water Resources Research, 2024（已接收）

相關(guān)鏈接：

https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2023WR035389

https://eos.org/editor-highlights/learning-data-assimilation-without-the-help-of-the-gaussian-assumption