机器学习在地下水环境背景值与污染风险评价的应用和展望

地下水资源在世界各国水资源中占有举足轻重的地位,对人类生存发展、维系生态系统健康发挥着重要作用。现阶段地下水污染日益严重,地下水环境背景值研究和污染风险评价对地下水污染防治工作具有重要意义。由于地下水污染影响因素复杂,地下水化学组分空间分布的非均质性、地下水样品采集的小样本问题与大尺度区域的高计算代价,都对传统的污染风险评价方法构成了极大挑战。机器学习作为人工智能的核心,已成为水文地质领域研究的前沿热点,通过智能高效的数据处理和挖掘,在地下水化学组分的分布、变化以及赋存机制等方向已得到探索和尝试。本文全面介绍了近年来在地下水污染研究方面应用的机器学习方法,涵盖了以聚类为主的非监督学习算法,以回归为主的监督学习算法,以提升算法效率为目标的混合算法,以及以神经网络为核心的深度结构算法,展示了不同类型算法在地下水污染研究方面的成果,详细归纳了各种算法的机理,对算法的技术优劣及适用方向进行了探讨;最后对机器学习在地下水污染方面的应用发展趋势进行了展望,建议探索高效集成学习模型,以弥补单一算法的不足,同时发展面向小样本的深度学习建模技术,提高地下水污染评价精度,拓展和丰富新方法新技术在地下水污染研究方面的应用。