论文部分内容阅读
地下水作为我国大多地区的重要供水水源,随着近些年来我国社会经济的蓬勃发展,地下水的过度开采诱发了水资源大幅衰减、地面沉降和地裂缝等一系列环境地质问题。地下水动态揭示了含水层中水位、水量与水质等要素随时间变化状态,能够反映地下水资源的开发利用情况。地下水位动态监测数据是典型的非线性非平稳的地理时空数据,预测地下水位动态变化趋势是实现水资源优化配置的重要依据,而现有的大多地下水位预测模型在考虑时间、空间因素及其时空相关性方面存在不足。因此,构建一种顾及时空因素的地下水位时空预测模型,提高地下水位动态变化的预测精度,更加合理化、科学化地开发利用地下水资源,对地下水资源利用的可持续发展具有重要的理论与现实意义。本文在充分考虑地下水位数据时空相关性的基础上,提出了一种顾及时空因素的地下水位时空预测模型,实现对研究区地下水位动态的预测。主要研究内容与结论如下:(1)分析并揭示了地下水位监测值的时空特征。基于时空序列分析和地统计学方法,结合常武地区第Ⅱ承压水水位监测数据,从数据的离散性、时空相关性和异质性出发,探究确定了地下水位监测值的非线性、非平稳性和高时空相关特性,为地下水位时空预测混合模型的选择和构建提供数据特征依据。(2)构建顾及时空因素的地下水位时空预测混合模型。基于地下水位监测数据的时空特征和深度学习算法的特点,采用小波变换法去除原始数据中的噪声,最近邻算法(K-Nearest Neighbor,KNN)对研究区监测井进行空间相关性筛选,重构时空数据集和长短期记忆网络(Long Short-Term Memory,LSTM)算法,构建顾及时空因素的地下水位时空预测模型KNN-LSTM。(3)基于KNN-LSTM模型的地下水位时空变化的预测及验证。采用KNNLSTM模型对常武地区第Ⅱ承压含水层进行地下水位时空预测,实现地下水位数据的时空表达,揭示地下水位动态变化趋势;采用交叉验证该模型的可靠性和准确性,与LSTM、支持向量回归机、差分整合移动平均自回归模型进行比较,其预测精度平均分别提高了20.68%、46.54%和55.34%,证明了顾及时空因素的KNN-LSTM模型的预测精度更高。