傍河地下水位监测断面的优化设计

为了对傍河地下水位监测断面进行优化设计,更好地掌握地下水位动态时空变化特征,以安徽省亳州市河水-地下水监测断面为例,分别采用克里金法和时间序列法,通过分析监测断面上9口地下水位观测井及河水位观测点在1982年1月—1998年12月的水位观测数据,对观测井空间布局、井数和观测频率进行优化。结果表明：空间布局优化后的观测井数量由原来的9减少到3,平均相邻井距为1 000 m,优化后的水位克里金估计标准误差平均值为0.019 2 m,误差波动范围较小;观测频率优化后由5日一测变为10日一测,能够满足观测精度要求。     

基于贝叶斯理论的水文干旱预测

以1960—2010年的潘家口水库流域的入库径流序列,计算得到12个时间尺度的水文干旱指数SRI序列。基于水文干旱指数SRI时间序列,分别采用传统的极大似然法和改进的贝叶斯方法构建时间序列模型ARMA,并对比基于极大似然法和贝叶斯方法构建的两种ARMA模型的模拟和预测精度。结果表明,基于贝叶斯方法构建的模型在模拟和预测期的模拟效果较优。随着预测期的延长,两种模型的模拟精度均呈现降低趋势。     

库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测

地下水位预测对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。     

黑河中游灌区地下水位短期季节性变化趋势预测

利用黑河中游平川、板桥、鸭暖和蓼泉灌区8眼观测井的1985-2002年逐月实测平均地下水位埋深资料(共1728个月),基于帕森斯季节性指数理论,分别建立了黑河中游灌区具有代表性的平川、板桥、鸭暖、蓼泉四灌区共8眼观测井季节地下水位埋深动态变化预测模型,并用2003年各观测井的资料进行了趋势预测进行检验.结果表明:观测井地下水位变化过程呈线性递减的相关系数越显著,其拟合误差和预测误差越小.各观测井地下水位帕森斯季节性指数模型拟合差≤0.05 m的月数占总检验月数的比例平均为38.33%,拟合差≤0.10 m的月数占总检验月数的比例平均为72.50%,>0.25 m的月数占总检验月数的比例平均为2.00%;各观测井预测误差≤0.05 m的月数占总预报月数的比例平均为36.46%,预测误差≤0.10 m的月数占总预报月数的比例平均为64.38%,>0.25 m的平均比例仅为2.00%,说明帕森斯季节性指数模型可以对短期黑河中游典型灌区地下水位动态趋势进行预测.     

两种随机地下水位动态预测模型在吉林西部的应用与对比

时间序列模型和人工神经网络模型是两种常见的地下水资源模拟预测模型,为了对比二者的优缺点,本文对比分析了两者的建模过程及其模拟精度.选择吉林省西部干旱半干旱区为研究区,该区地下水资源在过去10年问由于长期超采而导致地下水位持续下降.相比ANN模型,时间序列模型建模过程更为简单,计算效率更高."后验差"检验结果表明两种模型均能很好的模拟地下水位变化规律,但改进ANN具有更高的拟舍精度.同时,两种模型预报结果均显示研究区如继续按过去的开发模式开采地下水,地下水位还将持续下降,且下降速率逐步增大.     

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性.      

最小二乘估计的异常现象与地下水位预报的岭回归模型

结合地下水位预报的实例，分析了最小二乘估计异常现象；应用岭回归方法建立了符合实际的地下水位预报模型。实例表明，模型的拟合精度和预报精度均较高。     

宁县典型测井地下水埋深的灰色预测研究

采用灰色系统理论中灰色动态模型GM（1,1）,对一观测孔地下水位埋深进行灰色动态模拟。利用观测孔2011年实测地下水位埋深数据建立GM（1,1）预测模型,并对2012年地下水位埋深进行预测。经验证,模型预测精度较高,具有一定的实用价值。     

扎龙湿地参照作物蒸散发估算的经验模型

湿地参照作物蒸散发量是湿地水量平衡的重要因素。本研究选取了扎龙湿地周边8个气象台站1961-2000年的历史数据,通过拟合经典的FAO56 Penman-Monteith模型,建立了估算扎龙芦苇湿地逐月参照作物蒸散发的经验模型。建模时考虑到各气象因子对潜在蒸散发的作用,尝试了不同的组合方式及拟合模型,最终采用月最高气温、月最低气温、月降雨量和月平均风速四个因子,建立了非线性e指数方程。该模型与Blaney-Criddle、Priestley-Taylor、Hargreaves等三个常用经验模型进行了比较,得到较好的结果。新建模型在各气象站的应用表明,能够显著逼近FAO56 Penman-Monteith模型结果,计算的逐月参照作物蒸散发具有理想的精度。     

塔里木河下游胡杨林耗水数值模型

基于SHAW（Simultaneous Heat and Water）模型,以基本观测要素、植被参数和土壤剖面水热观测数据为模型的输入,对河岸胡杨林的耗水过程、土壤剖面水分变化和能通量进行了较小时间尺度上的模拟研究。结果表明,采用SHAW模型模拟的胡杨耗水量与观测值间存在较大偏差。因此,为了进一步提升水热耦合SHAW模型在干旱区的实用性,引入了地下水位因子GSI（Groundwater-Soil water Interaction）,建立了改进的SHAW（GSI-SHAW）模型,解决干旱区荒漠河岸林耗水过程模拟的方法问题。采用SHAW模型和GSI-SHAW模型对胡杨耗水量的模拟进行了对比研究。结果显示,SHAW模型和GSI-SHAW模型模拟的胡杨耗水量与观测值的相关性系数分别为0.8533、0.9075,其平均相对误差分别为21.4%、16.9%,可见,改进的SHAW模型的模拟值更加接近试验观测值。地下水位的考虑一定程度上提升了传统SHAW模型的模拟精度,为干旱区自然植被耗水量的计算提供了新的方法和科学依据。     

Application of “panel-data” modeling to predict groundwater levels in the Neishaboor Plain, Iran

The aim of this research was to predict groundwater levels in the Neishaboor plain, Iran, using a ??panel-data?? model. Panel-data analysis endows regression analysis with both spatial and temporal dimensions. The spatial dimension pertains to a set of cross-sectional units of observation. The temporal dimension pertains to periodic observations of a set of variables characterizing these cross-sectional units over a particular time span. Firstly, the available observation wells in the Neishaboor plain were clustered according to their fluctuation behavior using the ??Ward?? method, which resulted in six areal zones. Then, for each cluster, an observation well was selected as its representative, and for each zone, values of monthly precipitation and temperature, as independent variables, were estimated by the inverse-distance method. Finally, the performance of different panel-data regression models such as fixed-effects and random-effects models were investigated. The results showed that the two-way fixed-effects model was superior. The performance indicators for this model (R ²?=?0.97, RMSE?=?0.05?m and ME?=?0.81?m) reveal the effectiveness of the method. In addition, the results were compared with the results of an artificial-neural-network (ANN) model, which demonstrated the superiority of the panel-data model over the ANN model.     

城市地下水赋存环境分析与数值模拟——以长春城区为例

以长春城区为例,分析了城市地下水赋存环境的演变,概化出该区的水文地质概念模型。将土地利用类型和供水管道渗漏对地下水补给的影响纳入城市地下水数值模拟中,经过模型识别,实测水位与计算水位的绝对误差<0.5 m,井点数占观测井总数的85%,经检验满足国家标准(GB/T14497-93)要求。结果表明,模型细化后,水位拟合精度有所提高。     

利用趋势化随机参数场的地下水流数值模拟优化方法

水文地质参数场的刻画是建立地下水流数值模拟模型的关键问题和难点问题。通常来讲,参数场合理性程度越高,模型拟合精度越高。本次研究将随机方法和参数空间分布表达进行结合,提出了趋势化随机参数场的构建方法。以渗透系数为研究对象,首先利用MCMC采样和样本数据特征确定水文地质参数的基本数据结构,进而根据样本空间分布特征对其进行趋势化处理,最终形成趋势化的渗透系数场。通过算例分析,利用趋势化处理后的渗透系数场能够大幅提高模拟精度,相比传统赋均值方法其误差可降至原来的1/3。在北京大兴跌隆起地区进行的实例应用说明,趋势化渗透系数场对提升岩性粒径较大(中砂以上)地区模拟精度效果显著,案例中粗砂区域渗透系数经趋势化处理后平均拟合误差由2.76 m下降至0.64 m;而对岩性以细砂及以下粒径为主的区域模拟精度提升并不明显。总体来说,该方法可为地下水流数值模型的优化提供借鉴,提升模型拟合精度,从而更加合理地刻画地下水流系统。     

基于改进White方法的地下水蒸散发研究

在依赖地下水的植被广泛分布的干旱半干旱地区,蒸散发是地下水排泄的主要方式,因而准确计算地下水蒸散发量,对地下水资源评价具有重要意义。目前水量残差法、地下水极限埋深法和地下水水位日动态法可以用于计算地下水蒸散发量,由于地下水动态信息容易获取,长期以来得到广泛关注。分析了利用地下水动态信息的White方法在计算地下水净补给量方面的不足之处,提出了改进的White方法,即利用相邻两天地下水位上升段的平均斜率计算地下水的净补给量,并利用数值模拟方法对改进的White方法的计算精度进行了评价,表明改进后的方法较原始方法精度提高了16%。最后利用苏贝淖流域实测的地下水动态数据,采用改进的White方法计算了地下水蒸散发量。研究成果对干旱区水资源可持续开发利用具有一定的科学意义和应用价值。     

疏干开采条件下晋祠岩溶水系统的水箱模型

根据晋祠岩溶水系统的水均衡要素,建立晋祠岩溶水系统水箱模型及水均衡方程。使用晋祠岩溶水系统的补给量、排泄量和岩溶水位等数据建立晋祠岩溶水贮量的亏缺量与岩溶水位间的关系,采用非线性回归分析建立泉流量与岩溶水位的关系,并利用这两个关系替换水均衡方程中的未知量,从而求解所建水箱模型。通过1981至2006年的岩溶水位、亏缺量、泉流量数据检验所建模型,并以绝对误差的绝对值及线性相关系数评价模型的模拟效果。结果表明岩溶水位、亏缺量、泉流量模拟结果的误差均小于0.5,多数误差值小于0.01,线性相关系数均大于0.7,说明所建模型能够较准确地在以年为单位的时间尺度上模拟泉流量、岩溶水位和亏缺量的变化。该模型考虑了人工补给量、管井开采量及煤矿排水量等人为因素,可用于宏观的地下水资源保护及管理。      

Visual Modflow在石家庄市地下水硝酸盐污染模拟中的应用

利用Visual Modflow软件建立了石家庄市长达42 a的二维潜水水流模型和硝酸盐运移模型.收集整理大量地下水监测报告和研究报告提供的数据用于模型的建立,详细的地下水位和硝酸盐浓度监测数据以及不同时期的等水位线图用于模型校正.敏感度分析显示面状硝酸盐补给浓度是引起地下水NO3-浓度变化最敏感因子.利用校正的模型分3种管理方案预测了未来30 a内地下水硝酸盐浓度的变化.拟合、验证和预测结果显示该模型可作为石家庄市地下水管理的有效工具.     

Groundwater depth predictions by GSM,RBF, and ANFIS models: a comparative assessment

The potential of grey self-memory model (GSM), radial basis function network (RBF), and adaptive neuro fuzzy inference system (ANFIS) models in forecasting groundwater depths over an unconfined aquifer was compared. GSM, RBF, and ANFIS modeling was carried out at five sites in Jilin City, northeastern China, considering the influential lags of monthly groundwater depth as the inputs. The performance of the models was evaluated using criteria standards (R, RMSE, MARE, NS) and graphical indicators. Results indicate that the performance of all models was satisfactory in the region which lack of hydro-meteorological data. Comparison of the goodness-of-fit statistics in the research indicated that ANFIS was the better technique than the other two at all the sites except for J₂₁, and GSM(1,1) was the worst model at all the sites. However, considering the practical advantages of GSM(1,1) technique, it was recommended as an alternative and cost-effective groundwater modeling tool. Meanwhile, it was found that the modeling prediction for the well with the stable and evenly distributed data series has more accurate fitting results, generally.     

绕坝渗流地下水位的时空分布模型研究

许多大坝的失事是由于高地下水位引起坝肩失稳所致。绕坝渗流是影响坝肩高地下水位的主要因素。为此通常将大坝基础防渗帷幕延伸到坝肩岸坡内一定距离,以减小绕坝渗流影响。而防渗帷幕运行性态随时间变化,为了评价坝肩防渗帷幕和地下水位的运行性态,首先分析了地下水位观测资料和水位、降水、温度、时效等时空影响因素及其表达式,随后基于岸坡地下水位观测资料,利用最小二乘法建立了大坝岸坡地下水位的时空分布模型。通过比较模型剩余标准差和测点的剩余标准差,可以确定坝肩地下水位的异常测点,分析岸坡防渗薄弱部位,掌握坝肩岸坡渗流场时空分布规律,监控绕坝渗流的性态。     

基于多变量LSTM神经网络的地下水水位预测

为解决以往模型未考虑地下水位相关影响因素的问题,探讨长短期记忆（LSTM）神经网络在地下水位预测中的应用,利用长短期记忆神经网络,采用多变量输入的方式,构建了基于多变量LSTM神经网络的地下水水位预测模型。以泰安市岱岳区J1号监测井为例,采用2001-2014年地下水水位动态监测资料与相关影响因素数据,利用多变量LSTM神经网络对2015-2016年地下水位进行预测,并与单变量LSTM神经网络和反向传播（BP）神经网络进行对比。研究结果表明：以相关影响变量为输入的BP神经网络无法考虑时序变化规律,预测均方根误差最大,为2.399 3;以地下水位为变量输入的单变量LSTM神经网络仅能根据时序变化作出相应预测,无法考虑相关变量影响,预测均方根误差为2.102 2;基于多变量输入的LSTM神经网络的预测精度显著高于单变量LSTM神经网络和BP神经网络,预测均方根误差最小,仅为1.919 1。总体上,多变量LSTM神经网络地下水位预测模型仅在某些峰值处误差较大,但总体预测效果较为理想。     

大连水师营地下水初始水位的计算及地下水流场的预测

利用对偏微分方程逆问题的数值求解,给出了由一组抽水产测水位值计算地下水初始水位以及由二组抽水井实测水位值估算总补给量的方法。在此基础上建立了对地下水流场进行预测的数值方法。并对水师营地下水流场进行了预测,其预测结果与实测值基本吻合。此方法可在类似地下水资源评估和地下水流场计算中推广应用。