基于小波分析与长短时记忆网络的珊瑚岛礁地下水水位动态分析与预测OA

地下水是珊瑚岛礁唯一的自然淡水供给,精准预测其水位动态对岛礁水资源管理与生态保护具有重要意义。针对珊瑚岛礁长序列原位监测数据较为匮乏,水文地质参数获取难度大,高频监测数据的动态预测研究尤为不足的问题,基于南海某典型珊瑚岛礁2021年11月1日—2024年8月10日连续地下水观测数据,分析了不同时间尺度下地下水水位的动态规律,并构建了一种小波分析与长短时记忆网络相结合的混合预测模型(Wavelet-LSTM模型),实现对珊瑚岛礁地下水水位的预测。结果表明,地下水水位变化范围为-0.5~2.5 m,平均水位为0.90 m,呈现出显著的多时间尺度波动特征,主要包括季节性周期、月周期、日周期和高频脉冲式变化。其中,季节性变化和高频变化特征主要受降水控制,月周期和日周期变化则与潮汐作用密切相关。验证结果表明,该模型在研究区表现出较高的预测精度,展现了良好的可移植性与稳健性,在同类地质环境的独立岛礁研究中可借鉴。本研究构建的Wavelet-LSTM模型能有效表征珊瑚岛礁地下水系统的多时间尺度动态特征,并具有一定的泛化能力,可为数据稀缺岛礁的地下水资源评估与管理提供可行的技术路径。