来源：期刊VIP网 时间：
作者：魏亚强;陈依然;陈玉玲;占杍;张浇;梁建;谢佳伦;
单位：上海大学环境与化学工程学院;
摘要：地下水是维系生态安全与可持续发展的关键资源，正面临水量波动与水质污染的双重挑战。基于行为过程的数值模型虽可刻画地下水渗流与污染物运移过程，但对参数精度依赖高、计算复杂，难以适应复杂异质环境下的动态模拟需求。人工智能(AI)技术在非线性建模、预测优化与高维特征提取方面展现出独特优势，为突破复杂系统建模瓶颈提供新手段。文章系统综述了AI在地下水模拟中的研究进展，涵盖水位预测、污染迁移模拟与修复优化等关键应用。结果表明，AI模型在动态预测、污染识别与修复方案优化等方面表现良好，混合模型方法在复杂变量交互建模中表现出较强鲁棒性，而深度学习框架在时空特征提取方面具有显著优势。然而，AI模型仍存在泛化能力弱、缺乏物理一致性等问题。未来，应重点聚焦以下几方面的研究：(1)构建多尺度数据融合与尺度迁移机制，增强模型稳定性与适应性；(2)提升同尺度模型的可迁移性与复用性，降低对目标场地数据的依赖；(3)推动从“大数据”向“有效数据”范式转变，强化小样本条件下的建模能力；(4)通过嵌入物理约束提升替代模型的可信性与物理一致性；(5)构建集成物联网与边缘计算的智能系统，实现地下水的高效感知、模拟与实时决策，助力地下水管理迈向智能化新时代。
关键词：人工智能;;地下水;;数值模拟;;污染物
基金资助：国家自然科学基金(42477004,42330706)
