同济大学学报(自然科学版)

作者：江思珉，孔维铭，吴延浩，刘金炳，张春秋，夏学敏

单位：1.同济大学 土木工程学院,上海 200092;2.长江生态环保集团有限公司,江苏南京 210019;3.上海理工大学 环境与建筑学院,上海 200093

关键词：地下水污染,替代模型,地下水逆问题,深度学习,稠密连接网络

基金：国家自然科学基金（42077176）；南京水利科学院水文水资源与水利工程科学国家重点实验室重点基金（2019nkzd01）

地下水污染溯源和含水层参数反演问题等地下水逆问题通常面临计算负荷量的制约，考虑使用替代模型作为解决方法，从而降低地下水反演问题的计算成本。借鉴卷积神经网络的图像识别过程，考虑将地下水流运动和污染物运移问题转化为输入场图像（渗透系数场、污染源信息等）与输出场图像（水头场、浓度场等）之间函数关系的图像回归问题，利用基于稠密连接网络的AR-Net-WL构建地下水流运动和污染物运移的替代模型。算例研究表明，针对替代模型的过拟合现象，尽可能选择较大的训练样本可获得约10%的精度提升；当没有条件增加训练样本时，采用最优正则项系数的AR-Net-WL在训练样本较少的情形下（训练样本500）也能够取得良好的性能，能够精确预测地下水流运动和污染物运移。

来源：2023年第2期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2023年第2期