To solve the time-consuming parameter inversion problem based on swarm evolution algorithm, this study proposes an improved greedy sampling method (GSM) (IGSM) based on model reduction technology to rapidly estimate the hydraulic conductivity of steady-state seepage problem. Different from the traditional GSM, IGSM neither needs to estimate the posterior error bound of the reduced-order model (ROM) nor does it require a training sample set to train the ROM. Instead, the observation data are directly applied to the training process of ROM. Each iterative process of IGSM includes a parameter inversion process to obtain the parameters that best match the observation information and use it to update the current ROM. The improved differential evolution algorithm (e.g., MMRDE) is used as the search algorithm, and the resulting algorithm is denoted as IGSM-MMRDE. After comparative testing, IGSM-MMRDE was found to have higher accuracy and lower calculation cost than GSM-MMRDE. In addition, IGSM-MMRDE is also capable of high-dimensional parameter inversion problems and parameter inversion with a wider search range. After applying IGSM-MMRDE to the inversion of the rock mass hydraulic conductivity of the natural seepage field in the dam site area of a hydropower station, IGSM-MMRDE converges quickly and takes much less time than ADINA-MMRDE based on the full-order model (approximately 0.31% of ADINA-MMRDE). The performance results are even better than the ADINA-MMRDE using the fixed evolutionary generation. Therefore, the advantages of using IGSM in the rapid inversion of the initial seepage field of large-scale projects are extremely evident.

针对基于群体进化算法的参数反演耗时长问题，本研究提出了一种基于模型约简技术的改进贪心采样法（GSM）（IGSM），用于快速估计稳态渗流问题的导水率。与传统的 GSM 不同，IGSM 既不需要估计降阶模型（ROM）的后验误差界，也不需要训练样本集来训练 ROM。相反，观察数据直接应用于ROM的训练过程。IGSM的每个迭代过程都包含一个参数反演过程，以获取与观测信息最匹配的参数，并用它来更新当前的ROM。改进的差分进化算法（例如，MMRDE）被用作搜索算法，得到的算法记为 IGSM-MMRDE。经过对比测试，发现IGSM-MMRDE比GSM-MMRDE具有更高的精度和更低的计算成本。此外，IGSM-MMRDE 还能够解决高维参数反演问题和具有更广搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。经过对比测试，发现IGSM-MMRDE比GSM-MMRDE具有更高的精度和更低的计算成本。此外，IGSM-MMRDE 还能够解决高维参数反演问题和具有更广搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。经过对比测试，发现IGSM-MMRDE比GSM-MMRDE具有更高的精度和更低的计算成本。此外，IGSM-MMRDE 还能够解决高维参数反演问题和具有更广搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。发现 IGSM-MMRDE 比 GSM-MMRDE 具有更高的精度和更低的计算成本。此外，IGSM-MMRDE 还能够解决高维参数反演问题和具有更广搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。发现 IGSM-MMRDE 比 GSM-MMRDE 具有更高的精度和更低的计算成本。此外，IGSM-MMRDE 还能够解决高维参数反演问题和具有更广搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。IGSM-MMRDE 还能够解决高维参数反演问题和具有更广泛搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。IGSM-MMRDE 还能够解决高维参数反演问题和具有更广泛搜索范围的参数反演。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。将IGSM-MMRDE应用于某水电站坝址区天然渗流场岩体导水率反演后，IGSM-MMRDE收敛速度快，耗时远低于基于全阶模型的ADINA-MMRDE （约为 ADINA-MMRDE 的 0.31%）。性能结果甚至优于使用固定进化代的 ADINA-MMRDE。因此，在大型工程初始渗流场快速反演中使用IGSM的优势极为明显。