论文部分内容阅读
针对数值反演过程中参数优选方法适用性不明确的问题,研究最小化目标函数、带有自适应差分演化Metropolis的马尔可夫链蒙特卡罗方法（MCMC-DREAM）对数值反演效果的影响,为探索高效的参数优选方法提供参考。数值算例反演结果表明：最小化目标函数方法计算复杂度较低,但对参数初值敏感,适合于对目标区域土壤有较为深入了解的场合使用;MCMC-DREAM对参数初值不敏感,但计算复杂度较高,适合于先验信息有限的场合使用。两种参数优选方法都存在＂异参同效＂现象,先验信息与敏感性分析有助于克服该问题,提高数值反演解