基于ANN模型的岩溶地下水可开采量研究 ——以重庆巴南区东温泉为例

论文摘要

我国的岩溶地区分布广泛,岩溶水资源为2039.67亿立方米/年,约占全国地下水总水资源8716.84亿立方米/年的23%。西南各省的岩溶水资源约占地下水资源的50%以上。因此岩溶水资源是主要的生活用水水源,对国民经济建设具有特殊重要的地位。岩溶地区含水介质不均匀,有其特殊的三水转化关系和径流形成过程,因此岩溶地下水系统是一个不断演化的高度非均质化的复杂动态系统,导致常用的以均匀介质为基础的动力学理论和方法建立起的水文模型难以在岩溶地区应用,现有的水文模型难以一一描述和计算地下水资源可开采量,给当地的地下水资源可开采量的评价和研究工作带来了重重困难。而温泉作为岩溶泉水一种特殊的资源,是集热、水于一体的可再生资源。近年来,温泉旅游开发的热潮逐步兴起,并成为旅游业发展的新亮点,随着温泉用水需求的增长,大量消耗了地下水天然储存量,也伴随产生一系列的环境地质灾害问题。重庆市巴南区是全国第十个、西部第一个“中国温泉之乡”。因此为了科学合理地开发利用重庆市巴南区的温泉资源,促进温泉旅游业的可持续健康稳定的发展,维护其生态环境,对重庆市巴南区地下水资源可开采量进行评价和研究具有重大意义。本文以重庆市巴南区东温泉泉域为研究对象,以系统论为指导思想,收集泉域内不同时期的有关岩溶地下水方面的工作成果及降雨量等资料,以多学科的知识和理论为支撑,大量阅读文献的基础上,对现有的地下水资源评价方法进行深入分析,并对泉域的地理概况、地质和水文地质条件进行详细阐述,根据泉域内多年的系列数据资料,全面分析和研究了东温泉流量动态变化特征并得出其影响因素。在此基础上选定人工神经网络(Artificial neural Networks,缩写ANN)模型为东温泉泉域的地下水研究模型,利用人工神经网络建立东温泉流量与多种影响因素之间的数学模型,并对ANN模型进行模拟和训练。以此对东温泉地下水进行研究模拟,预测不同水文气象及开采条件下泉流量的动态变化,反演推求不同降雨保证率下的泉域地下水可开采量,从而对东温泉泉域岩溶区地下水可开采量进行研究评价。研究获得以下成果：1.根据东温泉域内多年泉流量及水文气象资料,结合当地具体水文地质条件,分析影响泉流量的主要因素有大气降水量、人工开采量。由于大气降水对岩溶含水系统的滞后效应,当年降水量和前一年的降水量对泉流量影响很大。由于长期过量开采,2008年东温泉三个天然露头之一的S2抽水站断流,人工开采量是导致东温泉流量衰减的最主要原因。2.利用基于MATLAB软件的人工神经网络人机交互式图形化用户界面GUI建立东温泉流量动态预测的BP人工神经网络模型。通过对建立模型的模拟结果和精度的检验和分析,该模型的拟合和预报能力较好,精度较高。3.因此在该模型的基础上,预测不同降水条件下东温泉泉流量的动态变化,当泉流量下降到零时,相应的地下水开采量即该降水条件下东温泉域的地下水可开采量。结果表明,在连续平水年的情况下,地下水可开采量为9697m3/d；在连续丰水年的情况下,地下水可开采量为10471m3/d；在连续枯水年的情况下,地下水可开采量为7849m3/d。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 引言
• 1.1 选题依据
• 1.2 研究意义
• 1.3 国内外研究进展
• 1.3.1 岩溶地下水动态模拟研究进展
• 1.3.2 地下水开采量评价研究进展
• 1.4 研究内容及研究思路
• 第二章 研究区概况
• 2.1 自然地理概况
• 2.2 气象水文
• 2.3 区域地质条件
• 2.3.1 地层岩性
• 2.3.2 地质构造
• 2.3.3 地形地貌
• 2.4 水文地质概况
• 2.4.1 地下水的埋深划分
• 2.4.2 水化学基本特征
• 2.4.3 地热水的热能来源
• 2.5 水文地质条件
• 2.5.1 水文地质条件的边界划分
• 2.5.2 东温泉地热水系统的形成机理及其补径排条件
• 2.6 地热资源的开发利用与环境保护
• 2.6.1 地热资源的开发利用现状
• 2.6.2 地热资源开发规划布局与保护
• 第三章 基于人工神经网络的东温泉地下水动态预测模型
• 3.1 人工神经网络概述
• 3.1.1 神经元结构模型
• 3.1.2 神经网络的学习规则
• 3.1.3 BP神经网络
• 3.2 东温泉流量动态特征
• 3.2.1 概述
• 3.2.2 年际变化特征
• 3.2.3 年内变化特征
• 3.3 东温泉泉流量动态的影响因素分析
• 3.3.1 补给量因素——大气降水
• 3.3.2 排泄量因素——人工开采量
• 3.4 基于人工神经网络的地下水动态模型建立
• 3.4.1 网络输入、输出向量设计
• 3.4.2 BP网络结构设计
• 3.4.3 BP网络训练
• 3.4.4 BP网络验证
• 3.5 本章小结
• 第四章 基于人工神经网络模型的东温泉地热水可开采量研究
• 4.1 基于人工神经网络模型的地下水可开采量方法概述
• 4.1.1 地下水可开采量概述
• 4.1.2 基于ANN模型的地下水可开采量方法概述
• 4.1.3 基于ANN模型的地下水可开采量计算的合理性分析
• 4.2 东温泉泉域地下水可开采量评价
• 4.2.1 降水“平水年”条件下东温泉域地下水可开采量评价
• 4.2.2 降水“丰水年”条件下东温泉域地下水可开采量评价
• 4.2.3 降水“枯水年”条件下东温泉域地下水可开采量评价
• 4.3 本章小结
• 结论与展望
• 结论
• 展望
• 致谢
• 参考文献