基于PatchTST的地下水位预测模型

作     者：程帅 张娟 杨默远 黄俊雄 和继军 于帅 马志军 

作者机构：北京市水科学技术研究院 首都师范大学资源环境与旅游学院 

出 版 物：《水利水电技术(中英文)》 (Water Resources and Hydropower Engineering)

年 卷 期：2025年

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：北京市自然科学基金项目(8232032) 国家自然科学基金项目(52209005) 水利部重大科技项目(SKS-2022044) 北京学者培养经费资助项目(GZ-2024-002-SZY) 

主　　题：地下水水位预测 Transformer 多头注意力机制 降雨 人类活动 PatchTST-GWL 人工智能 中长期预测 

摘      要：【目的】准确、快速的进行地下水水位动态变化特征预测，对地下水科学管控尤为重要，但针对多因素影响下的地下水位中长期预测研究较少。【方法】为提高地下水位中长期预测能力，构建了一种基于PatchTST的多变量地下水位中长期预测模型（PatchTST-GWL），利用互相关函数分析了地下水开采量、地表补水量、降雨量、气温等影响因素间的多元相关性及地下水水位变化的滞后性，对北京市西郊地区4眼典型浅层监测井地下水水位进行了中长期预测，采用纳什系数(NSE)、均方根误差(RMSE)、平均绝对误差(MAE)评估了模型性能及准确性，并基于控制变量法分析了模型可解释性。【结果】结果显示：随着预测期增加，PatchTST-GWL模型预测精度逐渐提升，各监测井90d、180d预测期地下水水位模拟结果NSE系数均提升至0.9以上，MAE、MSE、RMSE较Attention-Bi-LSTM、SVM常用深度学习模型降低10%～80%。【结论】PatchTST-GWL模型对中长期地下水水位预测性能优势明显，模型通过引入互相关函数计算地下水开采、降雨、地表补水、温度变化过程对地下水水位变化过程影响的滞后期，有效提升了模型预测精度，同时模型预测结果与各影响因子变化的响应规律符合客观物理规律，呈现出较好的可解释性。该模型可准确、快速的进行地下水水位预测，为科学评估与合理利用地下水提供有效支撑。