辽源市地下水水位动态特征分析及预测研究

孙 颖，梁秀娟，肖长来，王跃航，娄 洋

(吉林大学 地下水资源与环境教育部重点实验室，长春 130021)

辽源市是吉林省重要的产煤基地之一。地下水也是辽源市工农业生产和生活的主要供水水源。近几年，随着人口的增长和工农业的迅速发展，对地下水的需求量增加，辽源市地下水资源开始出现供不应求的状况。地下水动态是地下水量变化的外在表现，通过对地下水动态的分析与研究，能够准确地了解地下水资源量的变化，为地下水开发利用的规划提供依据。因此系统的分析辽源市地下水地下水动态特征，并以此为依据预测地下水的动态变化具有至关重要的意义。

关秉钧等利用同位素法研究北京市地下水及工业污染时空变化规律，并建立了适用于冲洪积扇地下水年龄计算的地质点混合衰变数学模型；姜丽丽等人利用德阳市城区2001-2008年地下水动态监测数据，运用数值模型模拟预测了研究区地下水水位变化趋势[1]；杨亮平等人利用呼和浩特市多年地下水水位资料，较系统地分析了地下水水位动态变化规律，建立了基于BP网络的地下水水位预测模型[2]。而BP神经网络模型特有的非线性适应性信息处理能力，可以通过学习来获取外部的知识并存储在网络内，可以解决诸多计算机不易处理的难题。BP模型是神经网络模型中最具代表性和广泛应用的一种，其结构简单，可操作性强，能模拟任意的非线性输入、输出关系[3]。辽源地下水位受降水、开采量等多种因素影响，在时序上常表现出复杂的非线性特征。因此，本文选择BP神经网络模型研究辽源地下水位预测。

1 研究区概况

辽源市位于吉林省中南部，地处东辽河、辉发河上游。地理坐标为东经124°51′22″～125°49′52″，北纬42°17′40″～43°13′40″。面积5 123 km2，下辖东丰县、东辽县，东辽县2 430 km2，东丰县2 487 km2，市区(包括郊区)206 km2。

辽源市属半湿润中温带大陆性季风气候。年平均气温为5.2 ℃。年极端最高气温为36.0 ℃，年极端最低气温为零下41.2 ℃。多年平均降水量为666.5 mm，年最大降水量区为896 mm(1964年)；多年平均蒸发量为1 333 mm。

本区发育孔隙水、孔隙裂隙水、碎屑岩夹碳酸盐岩溶洞裂隙水、基岩裂隙水风化带网状裂隙水(见图1)。

图1 辽源市水文地质图

(1)孔隙水。全新统冲积、洪积砂砾石孔隙潜水：主要分布在河床两侧漫滩，阶地和坡麓地带，组成山前洪积扇，裙地形。在山间河谷及山间盆地中地表常有淤泥质黏土组成的沼泽地形，孔隙潜水含水层主要岩性沙砾石层，厚度变化较大，小于1～10 m，含较丰富的孔隙水。地下水埋藏深度一般在0～5 m，深的可达8 m，水位变幅在1 m左右。泉最大涌水量2.53 L/s。在河流宽阔和交汇地段，含水层厚度增大，一般厚度为3.5～7.5 m，岩性颗粒变粗。地下水丰富，东辽河干流两岸平原，河谷单井出水量一般为30 m3/h，局部地段可达60 m3/h，其他支流单井出水量少于10 m3/h。辉发河流域内单井出水量为15～23 m3/h。河谷狭窄，第四次基底隆起地段，含水层变薄，地下水缺乏。中更新统-下更新统砂砾石孔隙潜水：主要分布在建安附近。含水层为沙砾石层，其厚度变化为4～5 m，上覆老黄土3～20 m。埋藏深度为3～8 m，水位变幅在3.0 m左右，钻孔涌水量为0.24～0.93 L/s。松散盐类孔隙水潜水包含两类：单井涌水量500～1 000和100～500 m3/d。

(2)孔隙裂隙水。孔隙裂隙水主要发育有白垩系下统砾岩、砂岩、泥岩层间裂隙和上侏罗统砂砾岩，页岩层间隙。白垩系下统砾岩、砂岩、泥岩层间裂隙：主要分布在辽源盆地西北部，猴石山盆地，丰乐等地。出露面积不大。含水层为砾岩，砂岩，在泉头组出现砂砾岩与泥岩互层，砂砾岩含水。泥岩不含水，形成层间水。地下水埋藏深度在2 m，涌水量为0.05～0.8 L/s。上侏罗统砂砾岩，页岩层间隙：主要分布在辽源盆地，辽河源盆地中生代断陷盆地中，其他地区亦有零星出露，侏罗系砂页岩构成了盆地的主体，在砂页岩层中夹有煤，地下水埋藏在砂岩孔隙-裂隙中，页岩为隔水层。埋深30～160 m，有3～5个含水层，岩层厚度3～5 m，个别厚达10 m，承压水头高，出现自流现象，自流量0.36 m3/h。一般泉的涌水量0.1～0.45 L/s。中下侏罗统砂砾岩，安山岩裂隙含水层。主要分布于灵镇-东丰盆地北部边缘及仙人洞盆地张家街一带。埋深在0.5～5 m，一般单井涌水量在0.2 L/s。

(3)碎屑岩夹碳酸盐岩溶洞裂隙水。研究区碎屑岩夹碳酸盐岩溶洞裂隙水的水量较为贫乏，泉水流量为0.1～1.0 L/s。由于砾岩、砂岩的胶结物为泥质、粉砂质或钙质，胶结程度好，裂隙发育较差，渗透性差，水量贫乏，大气降水入渗补给，以地下径流形式向下游径流排泄。奥-陶志留系变质岩裂隙含水层。于西保安、弯月等地零星分布。埋深一般小于2 m，在汇水条件较好的地区，涌水量0.2～0.64 L/s。

(4)基岩裂隙水风化带网状裂隙水。华力西-燕山期花岗裂隙含水层。花岗岩在区内分布广泛，其上部分布有发育的坡积，残积物。涌水量为0.02～2.1 L/s，水位、水量随季节变化。水位变幅一般在1～2 m。基岩裂隙水风化带网状裂隙水按泉水流量大小划分为3类：大于1.0 L/s、0.1～1.0 L/s以及小于0.1 L/s。此类型地下水在研究区占据了绝大部分比例，主要接受大气降水，主要消耗于人工开采、地下径流补给地表水以及蒸发。

2 地下水水位动态特征

从1980-2011年各观测井的地下水水位动态曲线图中可以看出，研究区地下水水位的总体趋势基本一致，但是不同的区域变化特征有所不同。因此，本文选取了几个较为典型的曲线图，分析辽源市地下水的年内变化和年际变化，并划分地下水动态类型。

2.1 年内变化特征

研究区的地下水动态类型，主要有降水入渗-蒸发型、径流型、降水入渗-开采型[4]。

(1)降水入渗-蒸发型。其地下水动态特征为：地下水位主要随气象变化发生周期性变化。如图2所示，年内地下水位随季节变化主要受当年降水特征制约，水位多具有一峰一谷特征，7-10月地下水位上升，这主要是因为研究区降水量主要集中在夏季；达到峰值过后，水位开始出现下降，直至出现最低水位，最低水位一般出现在4-7月，这是因为此时研究区降水量较少。依据1980-2011年地下水位监测资料可以看出：地下水位随着降水量的变化而变化；水位的峰值与降水的峰值基本一致或出现滞后现象；年内地下水位变幅较大，季节性变化十分明显。

(2)径流型。其地下水动态特征为：地下水位年变幅很小，变化平缓，受降水影响很小，基本不随降水量的变化而变化，蒸发排泄可以忽略，主要以径流的方式排泄。如图3所示，26300104号井年内地下水位变化幅度很小，丰水期和枯水期的水位差值平均在0～1 m，基本不受降水量的影响。

(3)降水入渗-开采型。从图4看出，研究区地下水动态特征为：年内，6-7月降水量较大时，地下水位下降，这是因为6-7月开采量大，降水入渗补给渗量小于人工开采量，使得地下水位不升反降；8月降水量达到最大，超过开采量，地下水位骤升，达到峰值；9月以后，降水量和开采量均减小，地下水位随之下降[5]。可见，地下水位随降水量和开采量的变化而变化。

图2 2008年辽源市东辽县26300104号井地下水位动态曲线图

图3 2005年辽源市东辽县26300104号井地下水位动态曲线图

图4 2008年辽源市东丰县26310003号井地下水位动态曲线图

2.2 年际变化特征

从多年动态曲线图中亦可以得出相同的结论：总体上，地下水位动态变化大体相同，埋深在4 m左右浮动，变化幅度不大；1985和1987年降水量大的年份，地下水水位埋深浅；1988年降水量较小的年份地下水水位埋深大；1986年，降水量较大，但是地下水位上升幅度却很小，这说明1986年，地下水开采量很大，降水入渗量不足以补给开采量，如图5所示。

3 地下水水位动态趋势预测

以东辽26300009号井1980-2012年的年平均埋深为例，进行趋势预测，过程和结果如下：本文利用BP神经网络模型，选用输入层、隐含层、输出层三层神经网络，训练输入输出样本，通过试错法反复调整，最终确定隐含层节点数为30，将2012年预测值作为输出值，由此得到一个3×30×1结构的模型[6]。确定隐含层中的神经元采用tansig函数(线性传递函数)转换，输出层采用purelin函数(线性激励函数)，学习算法采用trainrp函数，权重和阀值初始化net=init(net)，确定训练次数为50万次，最小均方差为10-2[7]，BP神经网络模型参考上述参数设定运行结果见图6。

利用BP神经网络模型，对1980-2011年的地下水位埋深进行模拟(见图6)，并预测2012年地下水位埋深，预测结果为3.87 m。将实测值和模拟预测值进行对比，结果见表1，平均绝对误差均小于10%[8]。结果表明BP神经网络模型可以较好地模拟实测值，因此预测的2012年埋深值具有一定的可靠性[9]。

图5 1983-1988辽源市东丰县26310015号井地下水位动态曲线图

图6 模拟对比图

将预测的2012年水位埋深值归入实测值中，绘制出26300009号井1980-2012年的地下水位埋深年际动态曲线图(见图7)。可以看出2012年地下水位埋深增大，水位下降，2006年水位达到最大值后，地下水位总体大幅度下降，约2 m左右[10]。

4 结 语

本文通过对辽源市地下水水位在时间以及空间上变化特征的研究，得出以下结论。

表1 实测值与预测值对比表

图7 东辽26300009号井1980-2012年均地下水位埋深动态曲线

(1)根据地下水位主要影响因素及补、径、排条件，研究区的地下水动态类型主要有降水入渗-蒸发型、径流型、降水入渗-开采型。

(2)BP神经网络可以较好地模拟辽源市地下水位埋深动态变化，预测的2012年埋深值具有一定的可靠性。对辽源市地下水位监测预报和合理开发利用地下水具有一定的指导意义[11]。

(3)辽源市2012年预测地下水位较2011年有所下降。2006年以后地下水位总体呈下降趋势，下降幅度约2 m。

[1] 姜丽丽.德阳市城区地下水动态特征研究[D].成都：成都理工大学，2012：27-30.

[2] 杨亮平，姜振蛟，赵宜婷，等.呼和浩特市地下水水位动态变化及趋势预测研究[J].水文地质工程地质，2009，46(4)：47-48.

[3] 赵延涛，姜宝良.基于BP神经网络的地下水水位预测[J].勘测科学技术，2001，(4)：9-10.

[4] 王大纯.水文地质学基础[M].北京：地质出版社，1995：99-100.

[5] 胡建勋，甄计国.石羊河流域地下水水位下降原因及对策研究[J].人民长江，2009，40(1)：1-2.

[6] 卓中文，王山东，杨 松.基于BP神经网络的矿山地下水位预测研究[J].计算机与数字工程，2012，40(10)：40-41.

[7] 张 斌，刘俊民.基于BP神经网络的地下水动态预测[J].水土保持研究，2012，19(5)：236-237.

[8] 王宇博，梁秀娟，乔 雨，等.地下水位预测模型对比分析研究[J].节水灌溉，2015，(7)：60-61.

[9] 张 霞，李占斌，张振文，等.两种预测模型在地下水动态中的比较与应用[J].生态学报，2012，32(21)：6 792-6 794.

[10] 李云良，张 奇，李 淼，等.基于BP神经网络的鄱阳湖水位模拟[J].长江流域资源与环境，2015，24(2)：233-234.

[11] 平建华，李 升，钦丽娟，等.地下水动态预测模型的回顾与展望[J].水资源保护，2006，22(4)：11-14.