据有关资料统计,新中国成立以来,我国地下水资源开发利用量迅速增加。20世纪50年代只有零星开采,70年代增加到每年570亿立方米,80年代增加到每年750亿立方米,目前地下水开采已超过每年1000亿立方米,约占全国总供水量的1/5,全国地下水开采利用潜力很大。但长期以来,地下水资源量评价使用费工费时费钱的大型抽水试验方法,其存在的问题有：一是长时间大量抽取地下水造成宝贵的地下水浪费；二是工作成本高、效率低。然而随着科学技术进步,当前的物探技术已发展到足以适应水文勘探的要求,为了改变传统的对地下水含量进行预测的方法,利用综合物探技术预测含水层含水量可以避免上述问题,为开展水资源评价提供一种新的技术手段。目前虽然利用物探方法进行地下含水量预测已经进行了多年的研究,如1992年河北物探队应用频率测深技术在也门共和国北部三省戈壁区找水打井项目,找到侏罗系生物灰岩裂隙含水构造,成井后日出水量400t；另一高产自流井深300m,涌水量日达1100t。再如地矿部水文地质工程地质技术方法研究所1991年在尼日利亚,进行物探找水工作,定井位成功率也很高。还有河北水文队在索马里援外打井工作中为城镇打供水井,物探定井准确率也非常高；即便在地质条件非常复杂的牧区,成井率也达到了令人满意的结果。种种物探找水的实例说明,将物探方法用于水文地质找水工作已经得到业内一致的认同,但依然摆脱不了大量的打井进行抽水试验的困扰。该研究课题就是为解决一直伴随着水文物探工作的传统的抽水试验方法费水、费时、费力等难题,尽量做到少打井就可以解决地下水资源的评价问题。传统的水文水资源预测工作主要以线性回归分析、先知型函数的非线性分析等等算法的模型为主,这些模型的结构过于简单并难逃经典统计学的范畴,依赖于大数量的样本,使得预测精度难以保证。而以非线性预测为主的人工神经网络技术在地质建模应用中的发展已经较为成熟,但将神经网络用于第四纪水资源评价工作在其应用领域尚属空白。因此本课题通过对第四系松散地层孔隙含水层岩性特征、水文地质条件的分析,开展地面物探技术查明含水层结构及水文地质参数的分布状况的新技术新方法研究,建立水文物探综合方法的优化模式；为克服现有基于地球物理参数的含水量预测模型不足,即：①利用线性模型代替客观的非线性关系,②仅限于先知函数类型的非线性模型,③建立在统计学基础上,具有对大样本统计的依赖性。利用人工神经网络(ANN)技术对物探方法所探得的一些地球物理参数进行分析,并建立非线性BP神经网络含水层含水量预测模型,该模型具有很好的自适应性,显示出较强地推广能力,最终成立一套较为系统的孔隙含水层含水量预测的综合物探技术方法体系,为地下水资源评价提供一种新型实用技术。本研究课题主要的成果为采用神经网络技术,利用若干已知抽水试验井旁的物探测试数据,以地下含水层的地球物理参数与单孔单位涌水量组成建模训练样本集,建立误差反向传播网络(Back-Propagation Network,简称BP网络)预测模型,用于未知地区物探方法进行地下含水量预测,这将是对传统含水量预测法的一大改进。本课题研究依托国土资源部公益性行业科研专项经费项目“含水层含水量预测综合物探技术研究”,在收集大量前人有关建立水模型预测水文参数研究工作资料的基础上进行物探方法优化组合分析、相关参数研究工作。采用的技术路线为：首先进行物探工作获取相应的物探数据进行筛选整理；然后从中选出合适的参量作为模型输入量,利用神经网络建立地下含水层含水量预测模型；最后利用部分已知区测试样本对所建立的预测模型进行推广能力的测试,以便选出最佳模型。将最终预测模型用于未知区的含水层含水量预测,对所建立模型做出推广能力的性能评价。课题研究取得的成果有二：其一,对各种物探方法进行了可行性研究并最终总结出行之有效的物探方法组合模式；其二,建立了基于神经网络理论的含水层含水量的非线性预测模型。本研究课题创新之处为：①建立了利用综合物探方法进行水文地质勘探工作的优化模式；②利用BP人工神经网络建立了非先知条件下的非线性预测模型,与以往预测模型相比提高了准确度和推广能力,克服了对大样本统计的依赖性和已知条件要求过高的局限性。