一种基于机器学习的独立前处理和融合后处理的水头与示踪数据分析的含水层水力传导率场刻画方法

本发明涉及含水层水力传导技术领域，公开了一种基于机器学习的独立前处理和融合后处理的水头与示踪数据分析的含水层水力传导率场刻画方法，包括以下步骤：S1采集原始检测数据：获取地下水的水力头数据H和示踪实验浓度数据C原始数据，原始数据作为模型训练的数据集；S2构建HC‑Net模型：HC‑Net模型包括输入层、全连接层、合并层、卷积层和输出层，全连接层包括依次连接的全连接层一、全连接层二至全连接层N；卷积层包括依次连接的卷积层一、卷积层二至卷积层N，全连接层一与输入层连接，合并层与输入层、全连接层N和卷积层一连接，卷积层N与输出层连接。本发明在降低计算成本、减少操作复杂性、提高预测精度、处理复杂地质条件、提高数据利用效率和减少预测不确定性等方面，显著提升了地下水污染源识别的性能和实用性。