Page 67 - 2022年第53卷第3期

［ 9 ］ 梁浩，黄生志，孟二浩，等 . 基于多种混合模型的径流预测研究［J］. 水利学报，2020，51（1）：112-125 .
［ 10］ XING Z，QU R，ZHAO Y，et al . Identifying the release history of a groundwater contaminant source based on an
ensemble surrogate model［J］. Journal of Hydrology，2019，572：501-516 .
［ 11］ CHEN M，IZADY A，ABDALLA O A，et al . A surrogate-based sensitivity quantification and Bayesian inversion
of a regional groundwater flow model［J］. Journal of Hydrology，2018：826-837 .
［ 12］ YIN H，FANG H，WEN G，et al . On the ensemble of metamodels with multiple regional optimized weight factors
［J］. Structural and Multidisciplinary Optimization，2018，58（1）：245-263 .
［ 13］ GOEL T，HAFTKA R T，SHYY W，et al . Ensemble of surrogates［J］. Structural and Multidisciplinary Optimiza⁃
tion，2007，33（3）：199-216 .
［ 14］ CHENG K，LU Z . Structural reliability analysis based on ensemble learning of surrogate models［J］. Structural
Safety，2020，83：1-12 .
［ 15］ VIANA F A C，HAFTKA R T，STEFFEN V . Multiple surrogates：how cross-validation errors help us to obtain
the best predictor［J］. Structural and Multidisciplinary Optimization，2009，39：439-457 .
［ 16］ CHRISTELIS V，KOPSIAFTIS G，MANTOGLOU A . Performance comparison of multiple and single surrogate
models for pumping optimization of coastal aquifers［J］. Hydrological sciences journal，2019，64（3）：336-349 .
［ 17］ YE Y，WANG Z，ZHANG X . An optimal pointwise weighted ensemble of surrogates based on minimization of lo⁃
cal mean square error［J］. Structural and Multidisciplinary Optimization，2020，62（4）：529-542 .
［ 18］ WANG H，LU W，CHANG Z . Simultaneous identification of groundwater contamination source and aquifer pa⁃
rameters with a new weighted-average wavelet variable-threshold denoising method［J］. Environmental science
and pollution research international，2021，28（8）：1-16 .
［ 19］ LIU B，XIE L . Reliability analysis of structures by iterative improved ensemble of surrogate Method［J］. Shock
and Vibration，2019，2019：1-13 .
［ 20］ LALOY E，VRUGT J A . High-dimensional posterior exploration of hydrologic models using multiple-try DREAM
（ZS）and high-performance computing［J］. Water Resources Research，2012，50（3）：1-18 .
［ 21］ 张将伟，卢文喜，曲延光，等 . 基于 Monte Carlo 方法的地表水地下水耦合模拟模型不确定分析［J］. 水利学
报，2018，49（10）：1254-1264 .
［ 22］ HAN F，ZHENG Y . Joint analysis of input and parametric uncertainties in watershed water quality modeling：a
formal Bayesian approach［J］. Advances in Water Resources，2018，116：77-94 .
［ 23］ GUPTA A，GOVINDARAJU R S . Propagation of structural uncertainty in watershed hydrologic models［J］. Jour⁃
nal of Hydrology，2019，575：66-81 .
［ 24］ PAN Y，ZENG X，XU H，et al . Assessing human health risk of groundwater DNAPL contamination by quantify⁃
ing the model structure uncertainty［J］. Journal of Hydrology，2020，584：1-16 .
［ 25］ 程正飞，王晓玲，吕鹏，等 . 基于 VOF 法的碾压混凝土坝自由渗流场数值模拟［J］. 水利学报，2015，46
（5）：558-566 .
［ 26］ 顾文龙，卢文喜，张宇，等 . 基于贝叶斯推理与改进的 MCMC 方法反演地下水污染源释放历史［J］. 水利学
报，2016，47（6）：772-779 .
［ 27］ 贺玉琪，王栋，王远坤 . BRR-SVR 月降水量预测优化模型［J］. 水利学报，2019，50（12）：1529-1537 .
［ 28］ SIMPSON T W，MAUERY T M，KORTE J J，et al . Kriging models for global approximation in simulation-based
multidisciplinary design optimization［J］. AIAA Journal，2001，39：2233-2241 .
［ 29］ FRIEDMAN J H . Multivariate adaptive regression splines（with discussion）［J］. The Annals of Statistics，1991，
19（1）：1-67 .
［ 30］ VRUGT J A，BRAAK C，DIKS C，et al . Accelerating Markov Chain Monte Carlo Simulation by differential evolu⁃
tion with self-adaptive randomized subspace sampling［J］. International Journal of Nonlinear Sciences & Numeri⁃
cal Simulation，2009，10（3）：273-290 .
［ 31］ GELMAN A，RUBIN D B . Inference from iterative simulation using multiple sequences［J］. Statistical Science .
1992，7（4）：457-472 .

（下转第 324 页）

— 315 —