机器学习模型在地下水埋深模拟中的适应性分析

基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价。结果表明：LSTM模型模拟效果最好,其次是RNN,SVM最差;不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少,适应性最好,SVM模型参数调整最多。将3个模型应用于随机选择的6个测站进行验证,在华北地区浅层地下水埋深模拟方面,LSTM模型模拟精度和可信度最好,适应性最强,是该地区地下水埋深模拟的首选机器学习模型。     

基于灵敏度分析的地下水数值模拟精度适应性评价

为了更好地刻画数值模型模拟精度对参数初值的依赖性,同时避免由于比较水位高低而存在的非标准化问题,分别将Nash-Sutcliffe效率系数Ens及平均相对误差Emr作为精度评价指标进行数值模型模拟精度的适应性评价.借助于灵敏度分析的Morris方法,对地下水模型参数中的渗透系数K和给水度μ进行了适应性评价和时间序列的灵敏度分析.结果表明:不同精度评价指标所得模型的优化参数不同,存在一定的差异;不同参数初值对于灵敏度分析影响明显;数值模型运行开始参数灵敏度较小,随着计算水位降深值的增大,其灵敏度值呈增加趋势.     

渗透系数空间变异性对低渗透地层中地下水溶质运移的影响

以天津市北大港水库为例,通过野外勘探、现场取样、室内试验、数值模拟等方法,研究水库库底地层渗透系数空间变异性对地下水溶质运移的影响。结果表明:北大港水库库底地层渗透系数较小,且呈现出较强的空间变异性;地下水流通量随地层渗透系数空间变异程度的增加而增大,渗透系数均值对水流通量的影响大于其标准差;渗透系数均值越大,在地下水流的抑制作用下,溶质运移程度越弱,而渗透系数空间变异性越强,地下水流的抑制作用相对越弱,溶质运移程度越强。     

基于模糊随机模拟的后寨河岩溶泉流量衰减风险

通过对贵州省后寨河岩溶泉流域泉流量与降水时间序列的动态分析,首先模拟了不同降水条件下泉流量的衰减过程线,建立了枯季泉流量与前期降水量之间的数学表达式,然后采用蒙特卡罗方法,利用随机模拟与三角模糊数耦合模型,进行泉流量衰减风险分析研究,得到了泉流量的概率分布.结果表明,泉流量小于0.1 m3/s的概率为43.5%.建议采取防范措施,以降低当地泉流量衰减的风险.