地下水抽水试验中的非线性关系建模与预测分析.pdfVIP

２０２５年第５期地下水Ｇｒｏｕｎｄｗａｔｅｒ

ＤＯＩ：１０．１９８０７／ｊ．ｃｎｋｉ．ＤＸＳ．２０２５－０５－００５

地下水抽水试验中的非线性关系

建模与预测分析

赵加佳

（安徽省核工业勘查技术总院，安徽芜湖２４１０００）

［摘要］地下水管理不仅是实现可持续发展目标的关键环节，是维护生态平衡、保障人类生活和农业灌溉用

水安全的重要基石。为了合理且高效地管理地下水资源，需要精确估算含水层的水文动力参数。本研究利用网络模

型（ＡＮＮ），通过无约束冲积含水层的抽水试验数据来估算导水系数。将多种组合作为模型的输入，选择８０％的数据

进行训练，２０％的数据进行测试。最后，从所有组合中选出了５个表现更好的组合。采用平均绝对误差、均方根误差

和相关系数来评估模型的精度。比较结果表明，人工神经网络模型能够较为准确的估计导水系数。试验结果表明，

在估算导水系数时，最佳组合是第３种组合。

［关键词］人工神经网络；导水系数；抽水试验；非线性关系建模

［中图分类号］Ｐ６４１．７３［文献标识码］Ａ［文章编号］１００４－１１８４（２０２５）０５－００１５－０３

Ｍｏｄｅｌｉｎｇａｎｄｐｒｅｄｉｃｔｉｖｅａｎａｌｙｓｉｓｏｆｎｏｎｌｉｎｅａｒ

ｒｅｌａｔｉｏｎｓｈｉｐｓｉｎｇｒｏｕｎｄｗａｔｅｒｐｕｍｐｉｎｇｔｅｓｔｓ

ＺＨＡＯＪｉａ－ｊｉａ

（ＡｎｈｕｉＰｒｏｖｉｎｃｅＮｕｃｌｅａｒＩｎｄｕｓｔｒｙＳｕｒｖｅｙａｎｄＥｘｐｌｏｒａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＩｎｓｔｉｔｕｔｅ，Ｗｕｈｕ，Ａｎｈｕｉ２４１０００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｇｒｏｕｎｄｗａｔｅｒｍａｎａｇｅｍｅｎｔｉｓｎｏｔｏｎｌｙａｋｅｙｃｏｍｐｏｎｅｎｔｉｎａｃｈｉｅｖｉｎｇｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｇｏａｌｓｂｕｔａｌｓｏａｎ

ｅｓｓｅｎｔｉａｌｆｏｕｎｄａｔｉｏｎｆｏｒｍａｉｎｔａｉｎｉｎｇｅｃｏｌｏｇｉｃａｌｂａｌａｎｃｅａｎｄｅｎｓｕｒｉｎｇｔｈｅｓａｆｅｔｙｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｆｏｒｈｕｍａｎｃｏｎｓｕｍｐｔｉｏｎａｎｄ

ａｇｒｉｃｕｌｔｕｒａｌｉｒｒｉｇａｔｉｏｎ．Ｔｏｍａｎａｇｅｇｒｏｕｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｒａｔｉｏｎａｌｌｙａｎｄｅｆｆｉｃｉｅｎｔｌｙ，ｉｔｉｓｎｅｃｅｓｓａｒｙｔｏａｃｃｕｒａｔｅｌｙｅｓｔｉｍａｔｅｔｈｅｈｙ

ｄｒｏｄｙｎａｍｉｃｐａｒａｍｅｔｅｒｓｏｆａｑｕｉｆｅｒｓ．Ｉｎｔｈｉｓｓｔｕｄｙ，ａｎＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ（ＡＮＮ）ｍｏｄｅｌｗａｓｅｍｐｌｏｙｅｄｔｏｅｓｔｉｍａｔｅｔｈｅ

ｔｒａｎｓｍｉｓｓｉｖｉｔｙｏｆｕｎｃｏｎｆｉｎｅｄａｌｌｕｖｉａｌａｑｕｉｆｅｒｓｕｓｉｎｇｄａｔａｏｂｔａｉｎｅｄｆｒｏｍｐｕｍｐｉｎｇｔｅｓｔｓ．Ｖａｒｉｏｕｓｉｎｐｕｔｃｏｍｂｉｎａｔｉｏｎｓｗｅｒｅｔｅｓｔｅｄ，

ｗｉｔｈ８０％ｏｆｔｈｅｄａｔａｕｓｅｄｆｏｒｔｒａｉｎｉｎｇａｎｄ２０％ｆｏｒｔｅｓｔｉｎｇｔｈｅｍｏｄｅｌ．Ｕｌｔｉｍａｔｅｌｙ，ｆｉｖｅｂｅｔｔｅｒ－ｐｅｒｆｏｒｍｉｎｇｃｏｍｂｉｎａｔｉｏｎｓｗｅｒｅ

ｓｅｌｅｃｔｅｄｆｒｏｍａｌｌｔｈｅｉｎｐｕｔｃｏｍｂｉｎａｔｉｏｎｓ．ＴｈｅａｃｃｕｒａｃｙｏｆｔｈｅｍｏｄｅｌｗａｓｅｖａｌｕａｔｅｄｕｓｉｎｇｓｔａｔｉｓｔｉｃａｌｉｎｄｉｃａｔｏｒｓｓｕｃｈａｓｔｈｅＭｅａｎ

ＡｂｓｏｌｕｔｅＥｒｒｏｒ（ＭＡＥ），ＲｏｏｔＭｅａｎＳｑｕａｒｅＥｒｒｏｒ（ＲＭＳＥ），ａｎｄｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ．Ｃｏｍｐａｒａｔｉｖｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅ

ＡＮＮｍｏｄｅｌｃｏｕｌｄｅｆｆｅｃｔｉｖｅｌｙｅｓｔｉｍａｔｅｔｒａｎｓｍｉｓｓｉｖｉｔｙ．Ｅｘｐｅｒｉｍｅｎｔａｌｆｉｎｄｉｎｇｓｄｅｍｏｎｓｔｒａｔｅｄ