地面沉降预测模型及应用研究

地面沉降是城市主要的地质灾害,引起的环境地质问题严重影响着城市基础设施建设,制约经济的可持续发展。目前已普遍证实过量开采地下水造成水文地质力学平衡的破坏是导致地面沉降最主要的原因。本文以天津市塘沽区为研究区域,建立准确实用的沉降预测模型,这对于防治环境地质灾害,实现地下水资源的可持续利用和有效控制地面沉降具有十分重要意义。 本文在收集、整理和分析塘沽区历史数据,利用空间聚类方法优化沉降监测网络的基础上,借鉴国内外研究成果,分别以研究区内地下水分层年开采量和年均水位作为模型的输入变量,以优化后各监测点的年沉降量作为输出变量,创新性地建立了多输入、多输出BP神经网络模型,实现了地面沉降过程并行预测。同时为进行比较和快速趋势预测,还建立了多元回归模型。二种模型的预测能力都通过了回归显著性检验,预测结果对观测值有充分的解释能力。其中神经网络预测年等值线图能准确地反映区内地面沉降的空间分布模式。 经模型应用分析,塘沽区平均背景沉降速率为9.47 mm a,并指出各个监测点对同一含水组开采量的变化以及地面沉降强弱与地下水位均具有较一致的响应趋势。同时各含水组地下水水位对地面沉降的影响强度依Ⅳ、Ⅲ、Ⅴ、Ⅱ等顺序逐渐减弱,这与基于开采量的地下水层次与强度分析的成果基本一致。因此,在调整地下水开发利用层次时应依照Ⅳ、Ⅲ、Ⅴ、Ⅱ的顺序加以考虑。在目前情况下,整体开采量为845.63万m3 a、1691.26万m3 a和2697.75万m3 a时,预测塘沽区年地面沉降均值分别为16.8 mm、30.9 mm和45.7 mm。 为克服BP神经网络模型容易陷入局部最优且收敛速度慢的缺陷,本研究利用遗传算法强大的全局搜索寻优能力,优化神经网络的初始权重,实现了遗传算法与BP神经网络的耦合。经实用,证明该算法是可行且有效的。 最后,本文基于GIS建立了天津市地面沉降地理信息与预测系统,设计了操作性强的人机交互工作界面。相关程序仅在后台执行,不仅可对区内各监测点的水位、开采量、地面沉降等信息进行高效管理,而且可根据长期监测的水位、水量和沉降数据,定时拟合模型。使用时,管理人员只需在相应位置输入开采量或水位数据,点击按钮即可预测到相应的22个监测点的地面沉降值。