同济大学王喜华团队HESS：基于机器学习替代模型—人工蜂鸟算法的地下水点源和面源污染水文地质参数和污染源信息协同识别

本研究针对地下水污染治理中水文地质参数和污染源信息难以精确识别的问题，提出了一种集成机器学习替代模型与人工蜂鸟算法的反演框架。背景方面，地下水污染具有隐蔽性强、发现滞后等特点，其有效修复高度依赖对污染源信息的准确掌握。研究目的旨在通过构建反向传播神经网络替代模型和引入人工蜂鸟优化算法，提升多类型污染案例中参数协同识别的精度与效率。研究结果表明，该框架在点源和面源污染案例中均表现出优越性能：BPNN替代模型的拟合优度R²达到0.9994，计算时间从50小时缩短至67秒；人工蜂鸟算法相较于传统优化算法具有更快的收敛速度和全局寻优能力，在噪声干扰下仍能保持平均相对误差低于5%，证实了该方法兼具高精度与强鲁棒性，为地下水污染治理提供了可靠技术支撑。