基于XGBoost的季节性冻融期潜水水位动态模拟

摘要

为准确刻画冻融作用下的地下水位变化过程，解决传统数值模拟受限于机理复杂、参数需设置较多且部分无法直接获得的问题，利用机器学习模型进行季节性冻土区地下水位动态模拟与预测。基于2018-2021年吉林省西部平原区潜水水位动态监测数据，分析该区季节性冻融期内潜水水位动态特征。研究发现当冻结期初始地下水位埋深小于冻融影响的最大深度和最大毛细管上升高度之和时，潜水水位受季节性冻融的影响明显，总体表现为冻结期下降、融化期上升的“V”形变化特征。在此基础上，构建基于极端梯度提升树（eXtreme gradient boosting,XGBoost）的季节性冻融期潜水水位动态变化过程的机器学习模型，其训练期和验证期R2均大于0.878，均方根误差（root mean squared error,ERMS）小于0.081 m。利用所建模型分析发现，气温、积雪与蒸发量是研究区季节性冻融期潜水水位动态变化的主要影响因素。研究成果对于深刻揭示季节性冻土区地下水位动态变化原因和指导春季农业用水管理具有重要理论和实际意义。

关键词

地下水位动态 / 季节性冻土区 / 冻融过程 / 机器学习 / 模型解释