由于石油的开采、油气运输的渗漏、含油污水的随意排放和石油化工产品突发性泄漏等原因,使得大量石油类有机污染物进入地下水中,从而对地下水造成了不同程度的污染。大部分石油类有机污染物在水中的溶解度很小,通常称为非水相流体(Non-Aqueous Phase Liquids,NAPLs),其中密度大于水的非水相流体即为重非水相流体(Dense Non-Aqueous Phase Liquids,DNAPLs),DNAPLs 污染的地下水中往往存在水相、油相(DNAPLs)和气相,它们相互影响并共同运动,从而构成了多相流体系统。由于DNAPLs的高密度、高界面张力和低水溶性等特殊性质,增加了受污染地下水的修复难度。近年来,在抽出处理技术的基础上,发展了表面活性剂强化含水层修复技术(Surfactant Enhanced Aquifer Remediation,SEAR),它有效地提高了 DNAPLs污染的修复效率,显著缩短了 DNAPLs污染的治理周期,是一种具有应用前景的修复方法。进行DNAPLs污染地下水修复时,不仅要考虑有效去除污染物的技术方法,而且要考虑其修复方案可行性、经济成本等诸多因素。地下水污染修复的优化管理能够对修复方案进行分析和优选,使其实现以尽量低的经济成本达到最佳的修复效果的目标。因此,地下水污染修复的优化管理引起人们越来越多的关注。本文针对DNAPLs污染地下水的修复问题,以某一实际场地的DNAPLs污染地下水修复为例,开展了地下水污染修复的优化管理研究。首先,在建立了DNAPLs污染地下水多相流模拟模型的基础上,应用自适应抽样方法对多相流数值模拟模型的可控输入变量在其可行域内抽样,调用多相流数值模拟模型得到输入输出样本数据集。自适应抽样包括初始抽样和迭代抽样两个阶段,采用拉丁超立方法进行初始抽样。接着,利用初始样本数据集,分别应用多项式回归法、径向基函数神经网络法、克里格法和支持向量机回归法建立多相流数值模拟模型的替代模型,并评估四种替代模型对模拟模型的近似精度,选取近似精度最高的替代模型作为多相流数值模拟模型的替代模型,嵌入到优化模型中。然后,考虑替代模型的不确定性,建立表面活性剂强化的DNAPLs污染地下水修复方案优选的概率约束优化模型,并采用模拟退火算法对优化模型进行求解。最后,采用最优解法进行自适应抽样的迭代抽样阶段,把优化模型的当前最优解作为新增样品加入到初始样本集中,重新训练替代模型的参数,并重新获得新的最优解,重复迭代至满足收敛准则,其输出结果为最终的DNAPLs污染地下水修复优化设计方案。经过以上研究,得出了以下具体结论:(1)自适应抽样方法避免了抽样个数过少不能满足替代模型的精度需要而抽样个数过多又延长计算时间的问题。且通过迭代抽样过程,集中在当前优化解区域抽样,提供更多的寻优信息。在自适应循环抽样过程中,通过抽样效果的不断改善,带动着替代模型的和优化模型的不断改善,从而保证了最优解的有效性。与传统抽样方法相比,在抽样个数相同的情况下,基于自适应抽样方法建立的替代模型对模拟模型的近似精度明显更高。(2)与多项式回归替代模型、径向基函数神经网络替代模型以及克里格替代模型相比,支持向量机回归替代模型与模拟模型近似精度最高,可以更有效地替代多相流数值模拟模型。因此,将支持向量机回归替代模型选为多相流模拟模型的替代模型,嵌入到优化模型中,在优化的求解过程中,调用支持向量机回归替代模型对不同修复方案的修复效果进行计算。在自适应抽样方法的基础上建立了自适应替代模型,随着自适应抽样方法的迭代抽样,支持向量机回归替代模型的参数不断被重新训练,替代模型的近似精度也不断得到提高。(3)考虑替代模型的不确定性,以DNAPLs污染修复费用最小为目标函数,建立了表面活性剂强化的DNAPLs污染含水层修复过程的概率约束优化模型。应用模拟退火算法进行求解,将其结果与确定性结果进行比较,并对不确定性设计优化方案的可靠性进行评价分析,得出不同置信水平下的最优修复方案,这更符合客观实际系统,给决策者提供更多的最优方案信息。本文为多相流模拟模型的替代模型建立探索了合理有效的新技术,丰富和拓展了 DNAPLs污染地下水修复方案优选的理论和方法,具有重要的理论意义和实际意义。