Inversion Study of Hydrogeological Parameters for Metro Foundation Pit Confined Aquifiers Based on Surrogate Modeling
Notice bibliographique
Résumé
[Objective] To enhance the safety of metro station foundation pit construction, it is essential to accurately determine the groundwater hydrogeological parameters, improving the accuracy of permeability and storage coefficient in confined aquifers particularly. This is a critical prerequisite for formulating dewatering schemes. Therefore, a more in-depth study of the hydrological parameters of confined aquifers in metro foundation pits is required. [Method] Based on the dewatering test at Sports Center Station on Ningbo Rail Transit Line 7, a three-dimensional transient groundwater seepage model is developed with Modflow6 software called via the Flopy module in Python language. An LSTM (long- and short-term memory) deep learning model is introduced to build a surrogate model of confined aquifer water level variations. Combined with a particle swarm optimization algorithm and based on field-measured data, an inverse analysis of the confined aquifer permeability and storage coefficients is conducted. Thereby a method for hydrogeological parameter inversion in metro foundation pits based on surrogate modeling and optimization algorithms is proposed. [Result & Conclusion] The obtained inverted vertical permeability coefficient is 0.76×10-5 m/s, the horizontal permeability coefficient is 1.38×10-5 m/s, and the storage coefficient is 6.42×10-5 m-1. When these parameters are input into the numerical seepage model, the calculated data closely matches the measured data in all process, including the stage of rapid water level drop in the initial pumping, the stage of gradual change during the stabilization period, and the stage of water level gradual recovery after pumping stops, validating the feasibility of the inversion method. The use of deep learning-based surrogate modeling combined with optimization algorithms enables efficient and accurate inversion analysis of groundwater parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».