以下是该论文的通俗易懂的解释，使用了日常类比。

核心问题：“缺失的拼图碎片”

想象一下，你正在试图弄清楚地下水是如何流动的。你掌握了一些线索：你知道哪里在抽水，哪里在降雨，并且你在几个水井中测量了水位。

但地面非常广阔，而你只有寥寥几个测量值。这产生了一个被称为**“不可识别性”（non-identifiability）**的问题。这就像是通过只触摸物体的三个角，来猜测隐藏物体的精确形状。有数百万种不同的形状（各种岩石类型、流速和水位的组合）都可能完美契合这三个角。

旧方法（采样法）：
大多数科学家尝试通过“猜”来解决这个问题。他们运行成千上万次计算机模拟，每一次模拟都对地下状况进行略有不同的猜测。他们观察结果并说：“好吧，水位可能在 5 到 10 米之间。”

缺陷： 如果你只猜 1,000 次，你可能会错过那些真正的极端情况。你可能认为水位是安全的（5–10 米），但实际情况可能是 2–15 米。因为你没有进行足够多次的猜测，你低估了危险。

新方法：“收紧边界”（OBBT）

作者提出了一种完全不同的方法，称为基于优化的边界收紧法（Optimization-based Bound Tightening, OBBT）。他们不再进行随机场景的猜测，而是将问题视为一个带有严格规则的数学谜题。

类比：收缩包装盒
想象可能的答案漂浮在一个巨大的、透明的纸板箱里。

初始盒子： 起初，由于我们了解的信息很少，这个盒子非常大。水位可能在 0 到 100 米之间的任何地方。
添加规则： 然后，我们开始根据物理定律（水往低处流）和我们的实际数据（我们在某处测量到 7 米）添加“规则”。
收缩盒子： 每当我们添加一条规则，我们就可以切掉盒子中那些不可能的部分。我们不断缩小盒子，直到它尽可能紧密地包裹住那些唯一在物理上可能的答案。
结果： 我们得到的不是一份猜测清单，而是一个保证安全的范围。我们可以确定，水位的变化绝不会超出这个最终的、紧凑的盒子。

障碍：“坏掉的指南针”

为了让这种数学运算在计算机上运行，作者必须简化复杂的地下水流规律。他们使用了一种叫做 McCormick 松弛（McCormick relaxations） 的数学技巧。

类比：
把地下水流想象成一辆在路上行驶的汽车。汽车（水）必须始终沿着道路倾斜的方向（下坡）行驶。

问题： 当作者为了提高速度而简化数学模型时，他们的“指南针”坏了。数学模型允许汽车在特定的、奇怪的速度与坡度组合下，竟然可以向上爬坡。
后果： 由于数学模型允许这些“不可能”的爬坡行为，计算机无法有效地收紧盒子。盒子保持巨大，因为计算机认为：“嗯，也许水会在这里向上流动，所以我无法排除任何可能性。”

修复方案：强制执行规则

作者意识到，他们必须手动告诉计算机：“不，水不能向上流动。”他们增加了两个特定的修复措施：

流向符号（Flow Signs）： 他们强制计算机尽早做出决定：“水是向北流还是向南流？”一旦方向被锁定，那种“向上爬坡”的荒谬情况就会消失。
禁止旋涡（No Swirls）： 他们增加了一条规则，规定水不能在没有原因的情况下旋转（像漩涡一样）。这有助于数学模型理解流动的真实形状。

有了这些修复措施，盒子终于能够紧密收缩，从而给出可靠的答案。

他们测试了什么

团队在三种不同的场景下测试了这种方法：

一维条带： 一个简单的单元格直线。它表现得非常完美，且比旧有的“猜测”方法要好得多。
二维网格： 一个平面地图。这表明如果没有“禁止旋涡”或“流向符号”的修复，该方法会失效。有了修复，它运行良好。
随时间变化的二维网格： 一个随时间变化的二维地图（就像一段视频）。他们展示了该方法如何处理逐日变化的水位，并随着时间的推移缩小不确定性。

权衡

好消息： 这种方法能给你保证的安全感。你不需要担心因为猜测次数不够而错过了某个罕见的危险场景，因为它找到了所有可能情况的绝对极限。

坏消息： 它的计算成本很高。与仅仅运行几千次猜测相比，求解这些数学谜题需要很长时间。这就像是用激光切割机去修剪一张纸，而不是直接用剪刀。它更慢，但结果在数学上是完美的。

总结

这篇论文提出了一种处理地下水模型中不确定性的新方法。与其通过成千上万次的猜测并寄希望于捕捉到最坏的情况，不如使用严格的数学规则切除所有不可能的答案，从而留下一个保证安全的“安全区”。他们发现，为了使之奏效，必须添加额外的规则来阻止数学模型想象出不可能的水流，但一旦做到这一点，该方法就能提供比传统猜测方法更可靠的安全网。

技术摘要：通过基于优化的边界紧缩法界定零空间

1. 问题陈述

由于地下水观测数据稀疏，地下水模型经常表现出不可识别性（non-identifiable）。这种等效性（equifinality）意味着许多不同的参数组合（例如渗透系数、比持水量）、状态（水头）和边界条件可以产生完全相同的观测结果。

传统的确定性量化（UQ）方法通过探索有限的模型实现集（例如蒙特卡洛、系综数据同化或正则化反演）来解决这一问题。作者认为，这种范式存在一个结构性困境：随着系统复杂性的增加，未知数数量不断增长，但模拟的计算成本限制了可探索的实现数量。因此，不完整的探索会导致对真实容许解范围的系统性低估。这在地下水管理中尤为危险，因为风险往往源于罕见的极端情况（如干旱或洪水），而有限的样本可能会遗漏这些情况。

本文提出，对于保守的 UQ 而言，目标不应是采样可行域，而是通过对不确定变量提供保证的外边界，来表征可行域本身的范围。

2. 方法论：基于优化的边界紧缩（OBBT）

所提出的框架使用**基于优化的边界紧缩（OBBT）**取代了采样。OBBT 不再枚举实现，而是将不确定性视为区间，并通过在一个编码了物理定律和观测值的约束系统中使变量达到极值，从而收紧这些区间。

2.1 数学公式化

该方法将地下水流问题公式化为一个约束系统：

变量： 水头 ( $h$ )、通量 ( $q$ )、补给量 ( $R$ )、渗透系数 ( $T$ ) 和比持水量 ( $S$ )。
约束：
- 质量平衡： 使用有限体积方案进行离散化（稳态和瞬态）。
- 达西定律： $q = -T \nabla h$ 。
- 观测值： 特定位置的固定值或边界。
- 先验边界： 所有变量的初始区间。

2.2 处理非线性：McCormick 松弛

控制方程涉及双线性项（例如不确定渗透系数 $T$ 与水头梯度 $\nabla h$ 的乘积）。针对大规模网格求解所得出的非凸优化问题在计算上是难以承受的。

为了在保持计算可处理性的同时确保保守边界，作者采用了 McCormick 松弛。这些方法用四个线性不等式取代了双线性等式 $w = xy$，从而在真实的非线性可行域周围构建了一个凸包（包络线）。

优点： 允许使用高效的线性规划（LP）求解器。
缺点： 松弛会导致非物理解，具体表现为打破了通量与水头梯度之间的符号耦合。这允许了“旋转流”（即水在违反梯度方向的情况下循环流动），这违反了达西流的物理定律，并阻碍了有效的边界紧缩。

2.3 算法

OBBT 算法（算法 1）迭代运行如下：

初始化： 在时空网格图上定义变量并设置初始边界。
松弛构造： 基于当前变量边界构建 McCormick 约束。
极值化： 对于每个变量，在满足完整约束系统的条件下求解两个 LP（最小化和最大化）。
紧缩： 使用新的极值更新变量边界。
后处理： 使用区间算术强制执行通量与梯度之间的符号一致性。
迭代： 重复上述过程，直到收敛（边界停止紧缩）或达到最大迭代次数。

在每次迭代中，对单个变量进行极值化处理的过程是**易于并行化（embarrassingly parallel）**的。

3. 关键贡献与补救措施

论文指出，单纯应用带有 McCormick 松弛的 OBBT 无法提供有意义的边界，因为松弛允许了非物理的旋转流。作者提出并评估了两种特定的补救措施，以恢复物理一致性：

无旋约束（Irrotationality Constraints）： 显式强制要求网格图中任何基本环路上的通量之和为零。
- 有效性： 在均匀介质中非常有效，能够恢复有意义的边界。
- 局限性： 不普遍适用于非均匀或各向异性介质，因为在这些介质中，零净通量并不严格遵循无旋性。
流量符号规定（Flow Sign Prescription）： 根据参考模拟或先验知识，预先指定每个界面上的流量方向（符号）。
- 有效性： 移除了 McCormick 包络中的非物理象限，显著收紧了边界。
- 普适性： 比无旋约束在异质环境下更鲁棒，尽管它引入了关于流量方向的先验假设。

4. 结果

该框架在三个数值示例上进行了测试：

4.1 一维稳态模型

设置： 10 个单元格，包含源/汇井和两个观测点。
比较： 将 OBBT 边界与精确的蒙特卡洛采样器（从真实的零流形中采样）以及 MCMC 进行比较。
发现：
- OBBT 成功包围了零流形，提供了保证的外边界。
- MCMC 和有限样本方法严重低估了可行域的范围（例如，即使使用 100,000 个样本，也仅覆盖了约 45% 的边缘范围）。
- OBBT 在 2 次迭代内收敛，证明了对于这种不可识别系统，采样对于捕捉边界是不必要的。

4.2 二维稳态模型

设置： 5x5 网格，包含一个源、一个汇和一个中心观测点。
发现：
- 基础 OBBT（无额外约束）： 由于符号歧义导致的旋转流，无法收紧水头或渗透系数的边界。
- 带无旋约束的 OBBT： 成功解决了流量方向问题并收紧了边界，与纯 LP 参考解密切匹配。
- 带流量符号的 OBBT： 同样收紧了边界，但在该均匀设置下，其边界比无旋情况略宽。这展示了假设强度与边界紧密度之间的权衡。

4.3 二维瞬态模型

设置： 六边形网格，5 个时间步，补给区，抽水井和固定水头边界。
发现：
- OBBT 成功处理了随时间变化的系统，捕捉到了降落漏斗的发展以及约束向后在时间上的传播。
- 水头边界显著收紧，而渗透系数边界仅轻微收紧（这符合在欠约束参数空间中的预期）。
- 计算成本： 运行在 16 核上耗时约 71.7 小时。作者指出这虽然成本巨大，但与采样方法可能带来的低估风险相比，这是获得“保守覆盖”的必要代价。

5. 重要性与主张

本文声称 OBBT 提供了一种保守、确定且具有物理基础的替代方案，用于处理系综式的 UQ。其主要意义在于它能够在不进行采样的情况下，为所有不确定变量提供保证的外边界，从而避免了蒙特卡洛方法中固有的“探索不足导致低估”的问题。

作者强调，虽然目前的 OBBT 比现有的采样方法计算成本更高，但对于需要向监管机构证明在所有容许参数组合下，拟议的开采率都是安全的决策支持场景而言，这种权衡是合理的。该方法自然地连接了零空间理论，通过区间边界而非点估计来表征“零流形”（等效解集）。

论文总结道，尽管目前的实现依赖于特定假设（如流量符号规定）来处理达西流的非凸性，但该框架代表了一个充满前景的研究方向，特别是在开发更高效的混合整数公式以及将其集成到数据同化工作流方面。

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