연구진은 지하수 흐름 데이터 동차화에 잠재 확산 모델(LDM)을 활용하여 모델 매개변수를 조정하고 관측 데이터와 일치시키는 방법을 연구했어요. LDM은 지질 모델 공간의 차원을 줄여 역문제의 복잡성을 낮추면서도 지질학적 현실성을 유지해요.
모델 공간과 잠재 공간에서 데이터 동차화를 비교한 결과, 모델 공간 업데이트는 불확실성 감소에 효과적이지만 지질학적으로 비현실적인 모델을 생성하고, 잠재 공간 업데이트는 현실성을 유지하지만 불확실성 감소 효과는 제한적이었어요.
마르코프 체인 몬테카를로(MCMC)와 순차 몬테카를로(SMC) 알고리즘을 활용하여 잠재 공간에서 데이터 동차화를 수행했고, 빠르고 정확한 흐름 모델을 활용하여 계산 부담을 줄였어요.
연구 결과, 앙상블 칼만 방법은 고비선형 매개변수화에서 과대평가된 사후 불확실성을 초래할 수 있으며, 빠르고 정확한 대체 모델을 통해 엄격한 몬테카를로 샘플링이 더 신뢰할 수 있는 대안이 될 수 있음을 확인했어요.