Bounding the Null Space: Interval-Based Uncertainty Quantification for Non-Identifiable Groundwater Models

Este artículo propone un marco de Ajuste de Límites basado en Optimización (OBBT, por sus siglas en inglés) que utiliza aritmética de intervalos y relajaciones de McCormick para proporcionar límites de incertidumbre garantizados y libres de muestreo para modelos de aguas subterráneas no identificables, al tiempo que aborda desafíos como el flujo rotacional no físico mediante restricciones específicas de signo e irrotacionalidad.

Lo esencial

El Gran Problema: Las "Piezas Faltantes del Rompecabezas"

Imagina que estás tratando de averiguar cómo se mueve el agua bajo tierra. Tienes algunas pistas: sabes dónde se está bombeando agua, dónde cae la lluvia y tienes mediciones de los niveles de agua en un par de pozos.

Pero el suelo es enorme y solo tienes unas pocas mediciones. Esto crea un problema llamado no identificabilidad. Es como intentar adivinar la forma exacta de un objeto oculto tocando solo tres de sus esquinas. Hay millones de formas diferentes (combinaciones de tipos de roca, velocidades de flujo y niveles de agua) que podrían encajar perfectamente con esas tres esquinas.

La Forma Antigua (Muestreo):
La mayoría de los científicos intentan resolver esto adivinando. Ejecutan miles de simulaciones por computadora, cada una con una suposición ligeramente diferente sobre las condiciones subterráneas. Miran los resultados y dicen: "Bien, el nivel del agua probablemente esté entre 5 y 10 metros".

• El Defecto: Si solo adivinas 1,000 veces, podrías perderte los casos extremos reales. Podrías pensar que el nivel del agua es seguro (5–10 m), pero la realidad real podría ser de 2–15 m. Subestimaste el peligro porque no adivinaste suficientes veces.

La Nueva Forma: "Limitar la Caja" (OBBT)

Los autores proponen un enfoque completamente diferente llamado Optimización de Limitación de Intervalos (OBBT, por sus siglas en inglés). En lugar de adivinar escenarios aleatorios, tratan el problema como un rompecabezas matemático con reglas estrictas.

La Analogía: La Caja de Película de Embalaje (Shrink-Wrap)
Imagina que las respuestas posibles flotan dentro de una caja gigante de cartón transparente.

1. La Caja Inicial: Al principio, la caja es enorme porque no sabemos mucho. El nivel del agua podría estar en cualquier lugar entre 0 y 100 metros.
2. Añadiendo Reglas: Luego, comenzamos a añadir "reglas" (restricciones) basadas en la física (el agua fluye cuesta abajo) y nuestros datos reales (medimos 7 metros aquí).
3. Encogiendo la Caja: Cada vez que añadimos una regla, podemos recortar las partes de la caja que son imposibles. Seguimos encogiendo la caja hasta que se ajuste lo más estrechamente posible a las únicas respuestas que son físicamente posibles.
4. El Resultado: No obtenemos una lista de conjeturas; obtenemos un rango de seguridad garantizado. Sabemos con certeza que el nivel del agua no puede estar fuera de esta caja final y ajustada.

El Obstáculo: La "Brújula Rota"

Para que esta matemática funcione en una computadora, los autores tuvieron que simplificar las complejas leyes del flujo de agua subterránea. Utilizaron un truco matemático llamado relajaciones de McCormick.

La Analogía:
Piensa en el flujo de agua subterránea como un coche conduciendo por una carretera. El coche (el agua) siempre debe conducir en la dirección en la que la carretera desciende (cuesta abajo).

• El Problema: Cuando los autores simplificaron las matemáticas para que fueran más rápidas, su "brújula" se rompió. Las matemáticas permitieron que el coche condujera cuesta arriba si se trataba de una combinación muy específica y extraña de velocidad y pendiente.
• La Consecuencia: Debido a que las matemáticas permitieron estos viajes cuesta arriba "imposibles", la computadora no pudo encoger la caja de manera efectiva. La caja se mantenía enorme porque la computadora pensaba: "Bueno, tal vez el agua fluye cuesta arriba aquí, así que no puedo descartar nada".

La Solución: Forzar las Reglas

Los autores se dieron cuenta de que tenían que decirle manualmente a la computadora: "No, el agua no puede fluir cuesta arriba". Añadieron dos correcciones específicas:

1. Signos de Flujo: Obligaron a la computadora a decidir pronto: "¿El agua fluye hacia el Norte o hacia el Sur?". Una vez que esa dirección se bloquea, el sinsentido de ir "cuesta arriba" desaparece.
2. Sin Remolinos: Añadieron una regla de que el agua no puede girar en círculos (como un torbellino) sin una razón. Esto ayuda a las matemáticas a entender la verdadera forma del flujo.

Con estas correcciones, la "caja" finalmente se encoge y queda ajustada, proporcionando una respuesta confiable.

Qué Probaron

El equipo probó este método en tres escenarios diferentes:

1. Una Franja 1D: Una línea simple de celdas. Funcionó perfectamente y fue mucho mejor que los métodos antiguos de "adivinación".
2. Una Rejilla 2D: Un mapa plano. Esto demostró que sin las correcciones de "Sin Remolinos" o "Signo de Flujo", el método falla. Con las correcciones, funcionó bien.
3. Una Rejilla de Viaje en el Tiempo: Un mapa 2D que cambia con el tiempo (como un video). Demostraron que el método puede manejar niveles de agua cambiando día tras día, reduciendo la incertidumbre a medida que pasa el tiempo.

El Intercambio (Trade-Off)

La Buena Noticia: Este método te da seguridad garantizada. No tienes que preocuparte por perderte un escenario raro y peligroso porque no adivinaste suficientes veces. Encuentra los límites absolutos de lo que es posible.

La Mala Noticia: Es computacionalmente costoso. Toma mucho tiempo resolver estos acertijos matemáticos en comparación con simplemente ejecutar unos miles de conjeturas. Es como usar una cortadora láser para recortar un trozo de papel en lugar de usar simplemente tijeras. Es más lento, pero el resultado es matemáticamente perfecto.

Resumen

El artículo presenta una nueva forma de manejar la incertidumbre en los modelos de agua subterránea. En lugar de adivinar miles de veces y esperar atrapar el peor escenario, utilizan reglas matemáticas estrictas para tallar todas las respuestas imposibles, dejando tras de sí una "zona segura" garantizada para los niveles de agua. Descubrieron que para que esto funcionara, tuvieron que añadir reglas adicionales para evitar que las matemáticas imaginaran flujos de agua imposibles, pero una vez hecho esto, el método proporcionó una red de seguridad mucho más confiable que los métodos tradicionales de adivinación.

Resumen técnico

Resumen Técnico: Acotación del Espacio Nulo mediante el Estrechamiento de Intervalos Basado en Optimización

1. Planteamiento del Problema

Los modelos de aguas subterráneas son frecuentemente no identificables debido a la escasez de observaciones del subsuelo. Esta equifinalidad significa que muchas combinaciones distintas de parámetros (p. ej., transmisividad, rendimiento específico), estados (cabezales hidráulicos) y condiciones de contorno pueden producir observaciones idénticas.

Los métodos tradicionales de Cuantificación de la Incertidumbre (UQ) abordan esto explorando un conjunto finito de realizaciones del modelo (p. ej., Monte Carlo, asimilación de datos por conjuntos o inversión regularizada). Los autores argumentan que este paradigma sufre de un dilema estructural: a medida que la complejidad del sistema aumenta, el número de incógnitas crece, pero el costo computacional de la simulación limita el número de realizaciones que se pueden explorar. En consecuencia, una exploración incompleta conduce a una subestimación sistemática del rango real de soluciones admisibles. Esto es particularmente peligroso en la gestión de aguas subterráneas, donde los riesgos suelen surgir de extremos raros (p. ej., sequías o inundaciones) que las muestras finitas pueden omitir.

El artículo postula que, para una UQ conservadora, el objetivo no debe ser muestrear la región factible, sino representar la extensión de la región factible misma a través de cotas exteriores garantizadas sobre las variables inciertas.

2. Metodología: Estrechamiento de Intervalos Basado en Optimización (OBBT)

El marco propuesto reemplaza el muestreo por el Estrechamiento de Intervalos Basado en Optimización (OBBT). En lugar de enumerar realizaciones, el método trata la incertidumbre como intervalos y los estrecha extremizando las variables sobre un sistema de restricciones que codifica las leyes físicas y las observaciones.

2.1 Formulación Matemática

El enfoque formula el problema de flujo de agua subterránea como un sistema de restricciones:

• Variables: Cabezales hidráulicos ($h$), flujos ($q$), recarga ($R$), transmisividad ($T$) y rendimiento específico ($S$).
• Restricciones:
  • Balance de Masa: Discretizado mediante un esquema de volúmenes finitos (estado estacionario y transitorio).
  • Ley de Darcy: $q = -T \nabla h$.
  • Observaciones: Valores fijos o límites en ubicaciones específicas.
  • Límites Previos: Intervalos iniciales para todas las variables.

2.2 Manejo de la No Linealidad: Relajaciones de McCormick

Las ecuaciones gobernantes involucran términos bilineales (p. ej., el producto de la transmisividad incierta $T$ y el gradiente de cabezal $\nabla h$). Resolver los problemas de optimización no convexos resultantes de forma global es computacionalmente prohibitivo para mallas grandes.

Para mantener la tractabilidad computacional asegurando al mismo tiempo cotas conservadoras, los autores emplean relajaciones de McCormick. Estas reemplazan la igualdad bilineal $w = xy$ con cuatro desigualdades lineales que forman un envolvente convexo alrededor de la verdadera región factible no lineal.

• Beneficio: Permite el uso de resolvedores de Programación Lineal (LP) eficientes.
• Desventaja: La relajación admite soluciones no físicas, específicamente rompiendo el acoplamiento de signo entre los flujos y los gradientes de cabezal. Esto permite un "flujo rotacional" (ciclos donde el agua circula en contra del gradiente), lo cual viola la física del flujo de Darcy y evita un estrechamiento de intervalos efectivo.

2.3 El Algoritmo

El algoritmo OBBT (Algoritmo 1) opera iterativamente:

1. Inicialización: Definir las variables en un grafo de malla espacio-temporal y establecer los límites iniciales.
2. Construcción de la Relajación: Construir las restricciones de McCormick basadas en los límites actuales de las variables.
3. Extremización: Para cada variable, resolver dos LP (minimización y maximización) sujetas al sistema completo de restricciones.
4. Estrechamiento: Actualizar los límites de las variables con los nuevos extremos.
5. Post-procesamiento: Utilizar aritmética de intervalos para imponer la consistencia de signo entre flujos y gradientes.
6. Iteración: Repetir hasta la convergencia (cuando los límites dejan de estrecharse) o hasta alcanzar un número máximo de iteraciones.

El proceso es paralelizable de forma masiva respecto a la extremización de las variables individuales dentro de cada iteración.

3. Contribuciones Clave y Remedios

El artículo identifica que la aplicación ingenua de OBBT con relajaciones de McCormick no logra proporcionar límites informativos porque la relajación permite un flujo rotacional no físico. Los autores proponen y evalúan dos remedios específicos para restaurar la consistencia física:

1. Restricciones de Irrotacionalidad: Imponer explícitamente que la suma de los flujos alrededor de cualquier ciclo fundamental en el grafo de la malla sea cero.

   • Efectividad: Altamente efectiva en medios homogéneos, restaurando límites informativos.
   • Limitación: No es aplicable de forma general en medios heterogéneos o anisotrópicos donde el flujo neto cero no se sigue estrictamente de la irrotacionalidad.

2. Prescripción del Signo del Flujo: Preespecificar el signo (dirección) del flujo a través de cada interfaz basándose en una simulación de referencia o conocimiento previo.

   • Efectividad: Elimina los cuadrantes no físicos de la envolvente de McCormick, estrechando significativamente los límites.
   • Generalidad: Más robusta que las restricciones de irrotacionalidad en entornos heterogéneos, aunque introduce un supuesto previo sobre la dirección del flujo.

4. Resultados

El marco fue probado en tres ejemplos numéricos:

4.1 Modelo Estacionario 1D

• Configuración: 10 celdas con pozos de fuente/sumidero y dos puntos de observación.
• Comparación: Los límites de OBBT se compararon contra un muestreador de Monte Carlo exacto (dibujando de la verdadera variedad nula) y MCMC.
• Hallazgos:
  • OBBT logró encerrar la variedad nula, proporcionando límites exteriores garantizados.
  • MCMC y los métodos de muestra finita subestimaron severamente la extensión de la región factible (por ejemplo, cubriendo solo ~45% del rango marginal incluso con 100,000 muestras).
  • OBBT convergió en 2 iteraciones, demostrando que el muestreo es innecesario para capturar los límites de este sistema no identificable.

4.2 Modelo Estacionario 2D

• Configuración: Malla de 5x5 con una fuente, un sumidero y una observación central.
• Hallazgos:
  • OBBT Básico (sin restricciones adicionales): Falló en estrechar los límites para los cabezales o la transmisividad debido a la ambigüedad de signo que permite el flujo rotacional.
  • OBBT con Irrotacionalidad: Logró resolver las direcciones de flujo y estrechar los límites, coincidiendo estrechamente con una solución de referencia de LP puro.
  • OBBT con Signos de Flujo: También estrechó los límites, aunque ligeramente más amplios que el caso de irrotacionalidad en esta configuración homogénea. Demostró el compromiso entre la fuerza del supuesto y la estrechez del límite.

4.3 Modelo Transitorio 2D

• Configuración: Malla hexagonal, 5 pasos de tiempo, zona de recarga, pozo de extracción y un límite de cabezal fijo.
• Hallazgos:
  • OBBT manejó con éxito sistemas con variación temporal, capturando el desarrollo de un cono de abatimiento y la propagación de restricciones hacia atrás en el tiempo.
  • Los límites de los cabezales hidráulicos se estrecharon significativamente, mientras que los límites de la transmisividad se estrecharon solo ligeramente (como era de esperar en espacios de parámetros sub-determinados).
  • Costo Computacional: La ejecución requirió ~71.7 horas en 16 núcleos. Los autores señalan que esto es sustancial, pero argumentan que es el "precio de la cobertura conservadora" frente al riesgo de subestimación de los métodos de muestreo.

5. Significancia y Reivindicaciones

El artículo afirma que OBBT ofrece una alternativa conservadora, determinista y físicamente fundamentada para la UQ basada en conjuntos. Su principal significancia radica en su capacidad para proporcionar límites exteriores garantizados sobre todas las variables inciertas sin necesidad de muestreo, evitando así el problema de que "una exploración incompleta conduce a una subestimación" inherente a los métodos de Monte Carlo.

Los autores enfatizan que, si bien el OBBT es computacionalmente más costoso que los métodos de muestreo actuales, el intercambio se justifica en escenarios de apoyo a la toma de decisiones donde los reguladores deben demostrar que una tasa de abstracción propuesta es segura bajo todas las combinaciones de parámetros admisibles. El método se conecta naturalmente con la teoría del espacio nulo, caracterizando la "variedad nula" (el conjunto de soluciones equivalentes) a través de límites de intervalos en lugar de estimaciones puntuales.

El artículo concluye que, aunque la implementación actual depende de supuestos específicos (como la prescripción del signo del flujo) para manejar la no convexidad del flujo de Darcy, el marco representa una vía prometedora para la investigación futura, particularmente en el desarrollo de formulaciones de enteros mixtos más eficientes y la integración con flujos de trabajo de asimilación de datos.