地下水机器学习方法研究 −水位监测数据驱动的区域补排边界识别
Hydrogeology and Engineering Geology（2022）
Abstract
随着我国地下水监测工作的高速发展,高频率高密度水位监测数据的出现催生了对其进行深入信息挖掘的需求.在传统地下水模型研究中,地下水水位监测值常位于模型构建过程的下游,当水位监测的时空密度逐渐增大时,新增信息无法有效传导至模型的规划阶段并指导概念模型的修订.文章提出了一种地下水系统补排边界的识别方法,在不建立地下水数值模型的前提下,以监测井空间位置为节点,按照德劳内原则建立三角网格.在此网格系统中,首先定义一个水力梯度变换函数gradF,以求取网格中任意位置的水力梯度;借鉴机器学习领域的优化算法,使用水力梯度场驱动含水层中随机分布质点的运行轨迹,并以此推断和识别区域内地下水补给和排泄边界.在环境地学计算平台EnviFusion-CGS中实现,并构建了详细工作流程.以山东省青岛市大沽河中下游含水层为示范区,对含水系统的补给区和排泄区的空间分布及其动态变化进行了分析,取得了良好效果.本研究为构建和修订已有含水层概念模型提供了新思路.
MoreTranslated text
Key words
high density,groundwater level monitoring,conceptual model,groundwater,recharge boundary,discharge boundary
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined