基于图神经网络的地下水位动态模拟模型

作     者：许明家 孙龙 李爽 鲁程鹏 

作者机构：水利部信息中心 河海大学水文水资源学院 

出 版 物：《水文》 (Journal of China Hydrology)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081803[工学-地质工程] 081104[工学-模式识别与智能系统] 08[工学] 0818[工学-地质资源与地质工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2021YFB3900604 2021YFC3200501) 

主　　题：地下水位模拟 图神经网络 非平稳 时间序列 

摘      要：地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系，在地下水位模拟中得到了广泛的应用。然而，传统的机器学习方法没有考虑站与站之间的空间关系。本文使用图神经网络（GNN）模拟地下水位动态变化，以地下水水位监测站为节点，通过邻接矩阵连接节点；选择河北省典型漏斗区的监测数据对模型进行应用和评价。与三个对照模型：随机森林（RF）、支持向量机（SVR）和多层感知机（MLP）相比，所提出的模型在所定义的评估指标方面均表现更好。此外，所提出的模型可同时模拟建模系统中所有监测站的地下水位变化，相比单站模型具有更高的数据利用率。