-
题名人工智能驱动的地下水数值模拟研究进展
- 1
-
-
作者
魏亚强
陈依然
陈玉玲
占杍
张浇
梁建
谢佳伦
-
机构
上海大学环境与化学工程学院
-
出处
《西北大学学报(自然科学版)》
北大核心
2025年第3期647-657,共11页
-
基金
国家自然科学基金(42477004,42330706)。
-
文摘
地下水是维系生态安全与可持续发展的关键资源,正面临水量波动与水质污染的双重挑战。基于行为过程的数值模型虽可刻画地下水渗流与污染物运移过程,但对参数精度依赖高、计算复杂,难以适应复杂异质环境下的动态模拟需求。人工智能(AI)技术在非线性建模、预测优化与高维特征提取方面展现出独特优势,为突破复杂系统建模瓶颈提供新手段。文章系统综述了AI在地下水模拟中的研究进展,涵盖水位预测、污染迁移模拟与修复优化等关键应用。结果表明,AI模型在动态预测、污染识别与修复方案优化等方面表现良好,混合模型方法在复杂变量交互建模中表现出较强鲁棒性,而深度学习框架在时空特征提取方面具有显著优势。然而,AI模型仍存在泛化能力弱、缺乏物理一致性等问题。未来,应重点聚焦以下几方面的研究:(1)构建多尺度数据融合与尺度迁移机制,增强模型稳定性与适应性;(2)提升同尺度模型的可迁移性与复用性,降低对目标场地数据的依赖;(3)推动从“大数据”向“有效数据”范式转变,强化小样本条件下的建模能力;(4)通过嵌入物理约束提升替代模型的可信性与物理一致性;(5)构建集成物联网与边缘计算的智能系统,实现地下水的高效感知、模拟与实时决策,助力地下水管理迈向智能化新时代。
-
关键词
人工智能
地下水
数值模拟
污染物
-
Keywords
artificial intelligence
groundwater
numerical modeling
contaminants
-
分类号
P641
[天文地球—地质矿产勘探]
-
