Guodong

Education Groundwater Flow Pattern

背景 香港大学水文地质研究组经过十余年的潜心研发与技术改进，成功开发了两款地下水监测系统。研究组首先开发了冲压式多孔多深度地下水监测系统(HKU Drive-in Multi-Depth Sampling System)，服务于海陆界面和地表地下水交互界面的研究。而后，研究组改进开发了高分辨率的多深度地下水监测系统(HKU Mutil-Depth Monitoring & Sampling System)，应用于三角洲地下水系统演化、边坡稳定性等方向的研究。目前，研究组借助两款地下水监测系统已在Science Advances、Geology、Water Resources Research、Water Research、Journal of Hydrology等Top期刊发表了近20项研究成果。 2024年11月26日-29日，香港大学水文地质研究组与台湾中央大学董家均教授课题组密切合作，成功在阳明交通大学校园内井深为40米的钻孔中安装了18个深度的地下水监测系统，用于边坡稳定性的监测与研究。 多深度地下水监测系统简介 该系统由入口单元、固定单元、止水单元、PVC测压管和保护单元等组成。其中，止水单元、PVC测压管和保护单元为通用模块，入口单元和固定单元可根据需求量身定制。该系统通过采用3D打印技术、通用密封件等先进工艺，具有制造成本低、可灵活定制用途广泛等优点。 安装前准备 前往台湾之前，双方课题组通过调研当地市场常用PVC管的尺寸、施工钻井套管尺寸，综合地质与地层信息、研究目的，确定了监测井的深度（40米）和监测深度数目（18个）。香港大学水文地质研究组据此需求定制了入口单元与固定单元，测试无误后寄往台湾。 现场施工 前往台湾后，首先达到施工场地查看了场地情况，核查了各物资准备情况，商议多深度地下水监测井的安装计划。 施工钻井与多深度地下水监测系统组装同步进行。组装步骤为： 1.编目入口单元和固定单元，便于后续组装； 2.组装PVC测压管和固定单元，PVC测压管平放于地面便于组装； 3.组装外层PVC管与固定好的PVC测压管并调整PVC管长度； 4.组装PVC管与入口单元，并用螺丝固定； 5.在入口单元前后适当位置安装止水单元，并依次摆放。 施工成井后，使用钻井设备（或手动）按照顺序垂直地下放组装好的监测系统，并用螺丝固定各接口位置，安装时需要2-3人密切配合。成井后，注意做好监测井的保护，就大功告成了！ 研究案例介绍 Case_1: HKU Drive-in Multi-Depth Sampling System in Tolo Harbour beach, HK 香港大学水文地质研究组在香港吐露港的汀角红树林沙滩和盐田仔沙滩安装了冲压式多孔多深度地下水监测系统，用于陆海界面关键过程的研究，包括碳氮磷循环过程、铁地球化学过程、镭同位素反应迁移过程、海底地下水排泄以及伴随的物质通量等。介绍相关技术的文章发表于Groundwater期刊，相关研究成果发表于Water Resources Research (2)、Applied Geochemistry、Journal of Geophysical Research: Biogeosciences、Journal of Geophysical Research: …

多深度地下水监测系统|香港大学水文地质研究组前往台湾安装多深度地下水监测系统 Read More »

香港大学水文地质课题组携手西湖大学、北京大学研究团队在Cell Press出版社交叉学科期刊Nexus发表题为“Machine Learning-Accelerated Multi-Objective Design of Fractured Geothermal Systems”的文章。该论文针对地热系统涉及计算密集型物理驱动模拟以及优化过程中固有的大量设计参数等难题，提出了一种主动学习增强的进化多目标优化算法。该算法与裂缝多孔介质中的热流耦合模拟相结合，使用少量模拟评估即可有效优化裂缝地热系统。结果表明，提出方法显著减少了所需模拟次数，速度比传统进化算法提高了1-2个数量级（加速10-100倍）。该方法有望推动可再生地热能系统的发展，并实现广泛的应用，以加速发现复杂系统的最优设计。 研究背景 气候变化激发的可再生能源事业旨在培育一个低碳、资源节约、气候适应性强且气候中性的地球。作为这一转型的重要组成部分，地热能源在超越化石燃料的过程中发挥了关键作用。增强型地热系统能够长期稳定地提供可持续的地热能源以用于发电，从而助力实现全面脱碳的未来。截止到2023年底，全球地热发电的装机容量已达到16,400兆瓦，预计到2050年有潜力产生高达150,000兆瓦的可持续能源。 由于开发成本高、地质不确定性复杂以及地理限制，地热能源的开发仍被低估，尚未得到充分利用。灵活的地热发电已证明其在显著提高增强地热系统潜力和降低电力供应费用方面的优点。这种复杂系统的温度分布的时间演变可以通过偏微分方程利用数值方式描述。然而，地热系统设计优化涉及计算密集的物理模拟以及优化过程中存在大量设计参数。由于每次求解热流耦合模拟的偏微分方程计算都非常耗时，传统算法收敛到全局最优值所需的计算成本过高。 机器学习作为一种强大的技术，已在构建代理模型方面取得显著进展，并有效推动了地下能源系统表征和优化开发。训练针对这种复杂系统的全局精确代理模型需要进行相当多的数值模拟训练集，计算非常耗时。我们提出了一种主动学习增强的进化多目标优化算法ALEMO（图1），结合裂缝性多孔介质热流耦合模拟以实现高效的地热系统设计开发。通过多目标优化设计，快速提供多个帕累托最优设计方案，并通过使用少量模拟评估增强模型的局部近似能力，从而显著加速优化过程。 图1： 主动学习增强的进化多目标裂缝性地热系统设计优化概述 核心内容 1. 方法概述 图2b显示了针对裂缝地热系统设计的主动学习增强进化多目标优化工作流程的示意图。提出的方法由两个部分组成：鉴别器辅助的进化探索和基于超体积的局部子空间搜索。在本研究中，我们专注于高效而且高精度地识别帕累托最优解。本研究采用了一种主动学习策略，该策略能够与热流耦合模拟进行迭代交互并从中改进机器学习模型。主动学习策略性地利用不确定性信息和高适应度值区域采样来探索参数空间并减少不确定性，从而确保整个优化过程中探索和利用之间的平衡。新的训练数据被顺序且有策略地模拟评估，以尽可能少的计算资源以有效地发现或接近帕累托最优解。当额外的样本不再有助于信息增益时，即帕累托最优解保持不变，计算完成。在优化过程结束时，会提供一组最优解，称为帕累托前沿（图2a）。 图2：主动学习增强的进化多目标裂隙地热系统设计优化架构 2. 测试函数实验 通过36个在多目标优化领域广泛使用的测试函数验证算法框架的性能。如图3k-l所示，ALEMO能够有效地收敛至DTLZ2和ZDT2测试问题的帕累托前沿，并在有限的函数评估次数中展现出良好多样性的解，而传统的进化计算方法和其他数据驱动代理辅助方法尚未成功收敛至帕累托前沿附近。ALEMO的高效收敛得益于基于超体积的局部子空间搜索，而最终获得的非支配解的良好多样性则归功于判别器辅助的进化探索。判别器能够识别可以安全舍弃的解以及有很大概率改进当前帕累托前沿的解。 图3：多目标优化测试函数性能 3. 多目标裂缝性增强地热系统设计实验 地热储层模拟和设计优化通过定期调整注入流量、生产流量和井底压力，以确保符合物理约束并最大限度开发地热资源。通过考虑对地热储层进行多目标技术经济优化，以在长短期经济效益之间进行权衡。基于地热系统的先验地质信息，构建多物理场数值模拟模型，以模拟裂缝多孔介质中的流体流动和传热过程。为评估所提出方法在优化效率上的提升，我们将传统多目标方法NSGAII和MOEAD的计算资源设置为数据驱动代理辅助方法的十倍。图4d对比了各种多目标方法在地热系统短期和长期经济效益之间权衡的经验帕累托前沿。图4e展示了六种多目标方法在地热系统设计问题中的超体积收敛曲线，为性能提供了定量对比结果，结果表明，ALEMO的性能显著优越，其优化计算效率比NSGAII提高了约10倍，比MOEAD提高了约50倍。 图4：加速多目标增强地热系统设计 4. 现场尺度多目标增强地热系统设计实验 进一步在更具挑战性的现场尺度增强地热系统上进行技术经济多目标设计。图5a展示了用于发电过程的增强地热系统组件示意图。在收集的地热场先验信息的约束下，构建出包含1258条裂缝的三维离散裂缝网络。对于传统的NSGAII和MOEAD进行十倍模型评估以验证所提出方法的加速效果。图5d-e展示了各种多目标方法的经验帕累托前沿和相应的多次独立试验下的平均超体积收敛曲线，以权衡现场尺度裂缝性地热系统的长短期经济利润。将提出的方法与文献中其他经典和最先进的多目标优化算法进行了比较。结果表明，提出的方法优于这些算法，并显著加快了优化速度，并将所需的模型评估减少了数十倍（图5e）。ALEMO与其他对比方法提供的帕累托井控方案的累积热产量、平均生产温度、累积净现值和热能生产率的模拟性能（图5f-g）表明，提出方法的最终帕累托解集在整个项目期间实现了更高的累积热能产量、累积净现值和热能生产率。 图5：加速发现最优多目标现场尺度裂缝性地热系统设计 通过模拟结果和现场尺度增强地热系统的热动力学演变验证了ALEMO的性能（图6）。ALEMO整个采样历史的累积热能产量、平均生产温度累积净现值和增强型地热能系统的热能生产率的模拟结果如图6a-b所示。初始实验设计样本（虚线）的目标值相对较低，而机器学习辅助的采样点的目标值显着提高。 图6：现场尺度增强地热系统帕累托最优设计及其热动力学演变 论文总结 本论文提出了一种主动学习增强的进化多目标优化算法，该算法与裂缝多孔介质的热流耦合模拟相结合，以加快地热系统优化设计。通过结合主动学习策略，迭代更新模型并评估新样本点，显著提升了机器学习近似性能。该方法策略性地使用最少的数值模拟评估计算，能够有效发现或接近帕累托最优解。在36个多目标基准测试集和两个增强型地热系统的测试结果显示，与常规进化算法相比，提出的方法将优化速度提高了1-2个数量级。该跨学科研究工作并不局限于地热开发优化，在复杂系统的设计和优化（如石油开发、空气动力翼型优化以及材料设计和发现）中具有广泛应用潜力。 研究团队介绍 论文第一作者为香港大学博士生陈国栋，香港大学焦赳赳教授为本文的通讯作者。合作作者有西湖大学可信及通用人工智能实验室金耀初教授，欧洲科学院院士、国际电气和电子工程师协会会士（IEEE Fellow）。 焦赳赳教授于2023年获得美国地质学会水文地质部O.E. Meinzer奖和美国国家地下水协会 M King Hubbert奖。香港大学焦赳赳教授领衔的水文地质研究团队致力于海水和地下水之间的动态相互作用、河流流域含水层-隔水层系统中的区域水文地质学和水文地球化学以及人类活动对沿海地下水状况的影响，旨在通过学科交叉融合推动相关领域取得突破性进展。 OnePage 扫码二维码阅读全文或点击“阅读全文” ▌论文标题： Machine Learning-Aceelerated Multi-ObjectiveDesign of Fractured ceothermal Systems ▌DOI： …

香港大学水文地质课题组：机器学习加速的多目标裂缝地热系统设计 Read More »