English
资源说明：未知地下水污染物源的表征是有效的地下水管理中重要但困难的一步。 产生这些困难的主要原因是污染物检测时间通常在污染物源活动开始后很长时间发生。 通常，有限的信息是可用的，这也可能是错误的。 这项研究利用自组织图（SOM）和高斯过程回归（GPR）算法来开发替代模型，该模型可以近似估算受污染含水层中的复杂流动和输运过程。 这些开发的替代模型的重要特征是，与以前的方法不同，它们可以独立于任何链接的优化模型解决方案进行应用，以表征未知的地下水污染物源。 在澳大利亚新南威尔士州Botany盆地的异质砂含水层内的一个实验性受污染含水层站点中，对开发的替代模型的性能进行了评估，以进行源表征。 在这项研究中，假设测得的污染物浓度和水力传导率值包含随机误差。 通过使用三维数值模拟模型模拟的含水层对随机指定的污染应力的模拟响应可用于替代模型的初始训练。 还比较了使用不同代理模型获得的性能评估结果。 评估结果证明了开发的替代模型的不同功能。 这些功能导致开发一种有效的方法，用于以逆模式利用经过训练和测试的替代模型来进行源表征。 所获得的结果令人满意，并显示了基于SOM和GPR的替代模型在反模式下用于未知地下水
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
