【专家视角】Journal of Hydrology｜多 AI 耦合框架结合野外示踪试验精准刻...

来源：市场资讯

（来源：生态修复网）

第一作者：吴延浩

通讯作者：谢海建、李梅

通讯单位：浙江大学、生态环境部南京环境科学研究所

论文 DOI：

https://doi.org/10.1016/j.jhydrol.2026.135642

图片摘要

成果简介

2026 年，浙江大学联合生态环境部南京环境科学研究所团队在水文领域顶刊《Journal of Hydrology》发表地下水异质性刻画创新成果。研究面向化工园区地下水污染精准修复难题，融合谱归一化生成对抗网络（SNWGAN）、注意力增强代理模型（AEANW）与迭代局域更新集合平滑同化算法（ILUES-MDA），构建两套多 AI 反演框架；依托辽宁某化工园区野外氟苯甲酸示踪试验完成模型验证，大幅解决传统方法难以表征非高斯河道型含水层、数值模拟算力成本过高两大痛点。基于识别出的优先流通道设计拦截墙 + 抽水井协同修复方案，为工业场地地下水重金属污染高效精准管控提供全套 AI 建模 - 野外试验 - 工程落地技术范式。

研究背景

冲积型化工园区含水层受古河道沉积作用形成大量高导优先流通道，水力传导系数差异可达数个数量级，污染物沿通道快速扩散，大幅扩大污染范围。传统钻孔、抽水试验仅能获取局部地层信息，难以刻画通道连通结构；常规反演假设渗透系数服从高斯分布，与真实河道状非高斯地质结构偏差显著。

现有数据同化反演依赖大量数值模型正演，集合模拟算力消耗巨大；多数机器学习代理模型仅基于理想合成案例，难以捕捉优先流内非线性溶质运移规律，且缺乏野外示踪实测数据支撑，难以直接落地工程。针对以上瓶颈，本研究集成多种深度学习与同化算法，构建高效高精度反演体系，并结合场地铅污染开展修复方案优化。

图（表）文导读

（1）野外示踪试验场地与试验方案

研究区为辽宁某大型化工园区，2022 年曾发生污染泄漏，含水层以砾石粗砂为主，地下水位埋深 4–5 m，总面积 1.33 km²。布设 70 口地下水监测井，其中 31 口用于示踪监测；选取 3 - 氟苯甲酸为保守示踪剂，共注入 1052 g 示踪溶质，持续 8 天分 8 轮采集 248 组水样，采用 HPLC 检测示踪剂时空浓度，完整捕获优先流通道内溶质穿透曲线，为 AI 框架提供野外真实约束数据。

（2）双 AI 反演框架搭建与模型优化

1.SNWGAN 生成模型：在 WGAN 基础上引入谱归一化，解决传统 GAN 训练梯度爆炸、生成通道边界模糊缺陷，可稳定生成具备分叉、多尺度连通特征的非高斯古河道结构，训练损失收敛更快、生成图像纹理与地层匹配度更高。

SNWGAN的性能评估

2.AEANW 注意力代理模型：在 AR-Net-WL 基础上嵌入 CBAM 卷积注意力模块，自适应锁定优先流关键空间区域与溶质运移特征；4000 组样本训练后测试集 R² 达 0.995，RMSE 由基线模型 25.81 降至 16.95，单轮预测仅需 0.2 s。

AEANW代理模型和基线代理模型(AR-Net-WL)之间的训练性能比较

3.两套耦合反演体系

·SNWGAN-DA（数值模型框架）：SNWGAN 生成先验地质场 + MODFLOW/MT3DMS 数值模拟 + ILUES-MDA 同化，作为基准对照；

·SNWGAN-AEANW-DA（代理加速框架）：AEANW 完全替代传统数值模型，省去海量正演计算。

耦合反演框架示意图

（3）优先流通道反演精度验证

两套框架反演得到的优先流空间分布高度一致，均可精准还原古河道分叉连通结构；9 口独立验证井示踪浓度拟合 R² 最高达 0.98，模拟水头与实测误差≤1.5 m。地层数据佐证高导通道区域钻孔以卵石、砾石为主，基质区为细砂，反演结果与真实沉积地层完全吻合；仅监测井稀疏区域反演不确定性偏高，其余区域结果可信度强。

基于数值模型的反演框架(SNWGAN-DA)和基于替代模型的反演框架(SNWGAN-AEANW-DA)之间优先流路径识别结果的比较

验证监测井中观测和模拟示踪剂浓度(a-h)和水头值(i)的比较

（4）计算效率大幅提升

代理模型框架相比纯数值反演整体计算效率提升 89%；单次溶质场预测耗时 0.2 s，较传统数值模型提速 99%。代理模型一次训练完成后可反复用于多情景同化、修复模拟，大幅降低场地长期风险评估算力投入。

（5）基于优先流的靶向地下水修复设计

依托反演识别的主污染通道，构建渗透反应拦截墙 + 污染源抽水井联合修复方案，设置三组模拟情景对比：

1.无修复：铅污染羽最大迁移距离 801.57 m，超标面积 0.23 km²；

2.仅拦截墙：7 天内羽扩散小幅削减；

3.拦截墙 + 抽水井联合：3 天内污染羽最大迁移距离降低 60.5%，超标总面积削减 78.3%。

拦截墙采用生物炭、零价铁、沸石复合介质，对铅去除率可达 99.87%，沿优先流主通道布设实现污染物全路径拦截，克服传统均匀修复资源浪费、治理效果差的缺陷。

基于优先流动路径的三种修复情景下铅污染羽流的时空演化

研究局限

1.训练图像采用理想二元河道结构，未充分刻画地层渐变过渡、通道厚度多变等复杂场地地质特征；

2.低浓度、早期示踪运移阶段代理模型预测存在小幅偏差，稀疏监测区域反演不确定性偏高；

3.修复模拟假设反应墙介质性能长期稳定，未考虑长期堵塞、介质损耗对治理效果的衰减影响。

后续可融合物探数据构建场地专属训练图像，引入物理信息神经网络优化低浓度模拟，开展修复长期时效动态模拟。

小结

本研究创新集成 SNWGAN 生成网络、注意力深度学习代理模型与集合数据同化算法，建立适用于化工污染场地的多 AI 反演技术，结合野外示踪试验完成体系验证：

1.SNWGAN 有效解决传统生成网络训练失稳问题，精准复现非高斯古河道优先流空间结构；

2.注意力增强 AEANW 代理模型精准捕捉溶质非线性运移，实现 99% 仿真提速；

3.代理耦合反演框架与纯数值反演结果高度吻合，兼顾精度与工程计算效率；

4.基于通道识别的联合修复方案大幅压缩铅污染羽扩散范围，为地下水精准原位修复提供新思路。

研究构建的 “AI 建模 + 野外示踪 + 靶向修复” 一体化流程，可广泛应用于矿业、化工等各类存在优先流污染场地的水文刻画与风险管控。

该研究得到国家重点研发计划（2024YFC3713003）、京津冀生态环境综合治理重大专项（2025ZD1205904）、浙江省领雁研发计划（2022C03051）、国家自然科学基金（41931289, 52278375, 41977223）、江苏省自然科学基金（BK20241740）等项目联合资助。

(生态修复网)