采用物理模型与机器学习混合方法预测摩洛哥贝雷奇德平原在气候变化条件下的地下水位波动
《Hydrology》:Prediction of Groundwater-Level Fluctuations Under Climate Change Conditions in the Berrechid Plain (Morocco) Using a Hybrid Physical–Machine Learning Approach
【字体:
大
中
小
】
时间:2026年06月25日
来源:Hydrology 3.1
摘要
在摩洛哥这样的半干旱国家,水资源问题早已存在多年,且愈发严峻。近几十年来出现的干旱表明,该国极易受到水资源短缺的影响。在此背景下,贝雷奇德平原是一个典型的研究案例,它展现了地下水管理在实践与理论层面所面临的挑战。该地区的含水层被大量开采,以满足农业、工业和居民生活的需求。本研究采用一种混合的“灰箱”建模方法,用于预测气候变化背景下的地下水位波动情况。与传统黑箱机器学习模型不同,我们的框架将确定性物理模型与随机机器学习校正器相结合。物理模型部分利用哈格里夫斯蒸发蒸腾公式、线性排水模型、通过指数衰减实现的气候记忆功能以及人为趋势参数来模拟含水层的水量平衡。而机器学习部分则采用XGBoost算法结合分位数回归,仅基于物理模型的残差数据进行训练,进而预测第5、50和95百分位数,并给出90%的置信区间。此外,还通过K均值聚类方法将水文状态划分为干旱、正常和湿润三类,以便进行有针对性的校正。该模型利用1972年至2019年的历史数据进行校准,并通过分段时间序列交叉验证方法进行验证。研究还利用RCP 4.5和RCP 8.5气候情景预测了直至2100年的地下水位变化情况。在3933/20号测压井处,该模型的验证效果最佳,均方根误差为0.347米,KGE值为0.742。所提出的方法适用于季节性地下水位预测,能为贝雷奇德地区的水资源管理者和决策者提供实用参考。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号