中文摘要：

在地下水水质的长期监测过程中，过量取样或取样不足是一个比较普遍的问题。虽然单个水样的采集与分析花费不大，但对一个具体的治理修复系统来说，每年都要进行成百上千个水样的采集与分析，为此增加很多费用。如果取样不足，则又不能保证污染评价的精度。利用模拟优化模型进行地下水水质长期监测网的设计，可以在不影响监测精度和评价风险的前提下减少不必要的取样或增加必要的取样，从而达到最有效的监测目的。我国对于污染治理与

结论摘要：

本课题致力于不确定条件下大范围区域地下水污染长期监测网的设计研究，在保证监测精度的基础上通过污染物运移模型和地质统计模型相耦合的模拟-优化模型来实现监测费用的最小化。建立了能够全面地评估地下水中污染物质量和不同空间矩随时间变化的地质统计模型，并在污染物监测网的模拟-优化设计模型中实现了运移模型与地质统计模型的完全耦合。同时建立了能够反映运移模型中参数随机变化的污染物运移模型和监测网设计模型，成功地引入了一种新的用于求解不确定条件下地下水污染物监测网设计模型的高效算法- - 噪声遗传算法。改进了Delaunay三角剖分方法，将该方法应用于地下水污染监测网中取样点在空间上取样不足点的增设和空间冗余点的去除。研究了渗透系数的空间变异性对污染物运移结果的影响，这对于准确刻画污染物在空间上的分布规律具有重要的现实意义，进而为设计污染物监测网提供理论依据。本项目还研究了地下水数值模拟模型与优化模型的耦合方法及求解技术，为求解大尺度区域范围内复杂地下水系统的各种模拟优化管理模型奠定了实际应用基础。本研究对于水文水资源领域中的资源优化配置和污染控制等活动具有重要的理论和实践意义。