基于DRASTIC-LU参数和数据驱动模型的地下水硝酸盐脆弱性分区

作者：Seyed Ahmad Eslaminezhad; Mobin Eftekhari; Mohammad Akbari; 张永祥

来源：北京工业大学学报, 2021, 47(12): 1338-1359.

• 地下水脆弱性
• DRASTIC-LU参数
• 地理加权回归
• 人工神经网络
• 二进制粒子群优化算法
• 数据驱动模型

从开采、管理和控制不同地区的污染的角度,评估地下水脆弱性以确定这些资源的优先次序是重要的.研究的目的是基于DRASTIC-LU参数以及空间和非空间数据驱动的方法来估算Birjand平原含水层的地下水(硝酸盐质量浓度)脆弱性.研究提出新的组合方法来确定(Birjand平原含水层)地下水脆弱性分区中合适的DRASTIC-LU参数,即将具有指数和双平方核的地理加权回归(geographically weighted regression, GWR)和人工神经网络(artificial neural network, ANN)与二进制粒子群优化算法(binary particle swarm optimization, BPSO)相结合.计算结果为:对于ANN、指数核GWR和双平方核GWR的适应度函数(1-R2)的最佳值分别为0.106 0、0.074 5和0.006 5,这表明双平方核的兼容性比其他方法更高.研究表明DRASTIC-LU参数对研究区域的硝酸盐质量浓度估计的地下水脆弱性有显著影响.