引用格式：赵思远，方樟，周睿，等．基于机器学习ＭＬＲ模型的地下水循环井优化设计［Ｊ］．安全与环境工程，２０２３，３０（１）：１９２－１９８．ＺｈａｏＳＹ，ＦａｎｇＺ，ＺｈｏｕＲ，ｅｔａｌ．Ｏｐｔｉｍｉｚａｔｉｏｎｄｅｓｉｇｎｏｆｇｒｏｕｎｄｗａｔｅｒｃｉｒｃｕｌａｔｉｏｎｗｅｌｌｂａｓｅｄｏｎｍａｃｈｉｎｅｌｅａｒｎｉｎｇｗｉｔｈｍｕｌｔｉｐｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ［Ｊ］．ＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ，２０２３，３０（１）：１９２－１９８．基于机器学习ＭＬＲ模型的地下水循环井优化设计赵思远，方樟，周睿＊，刘治国，丁小凡，马彦玲（吉林大学新能源与环境学院，吉林长春１３００２１）摘要：针对污染场地地下水循环井（ｇｒｏｕｎｄｗａｔｅｒｃｉｒｃｕｌａｔｉｎｇｗｅｌｌ，ＧＣＷ）的优化设计问题，提出一种基于机器学习多元线性回归（ｍｕｌｔｉｐｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ，ＭＬＲ）模型的优化设计方法。该方法首先利用有限差分法建立不同条件下单个ＧＣＷ运行的数值模型，通过运行数值模型，得到不同条件下ＧＣＷ的运行效果，从而构建数据集；然后利用ＭＬＲ算法对模型进行训练，构建计算多种ＧＣＷ运行效果刻画指标的数学模型，并比较各个数学模型的拟合精度，结果显示纵向影响半径（ＲＬ）、横向影响半径（ＲＴ）模型的拟合程度较好，具有一定的泛化能力；最后根据机器学习所得的数学模型，对某试验场地ＧＣＷ进行优化设计，得到最终优化设计方案，通过优化前的设计方案相比，ＲＬ、ＲＴ指标有了一定的提升，验证了方法的有效性。该研究结果可为ＧＣＷ前期结构的快速设计提供参考，具有一定的实际意义。关键词：地下水循环井（ＧＣＷ）；优化设计；数值模拟；机器学习；多元线性回归模型中图分类号：Ｘ５２３文章编号：１６７１－１５５６（２０２３）０１－０１９２－０７收稿日期：２０２２－０１－１７ＤＯＩ：１０．１３５７８／ｊ．ｃｎｋｉ．ｉｓｓｎ．１６７１－１５５６．２０２２００４９开放科学（资源服务）标识码（ＯＳＩＤ）：基金项目：国家重点研发计划项目（２０２０ＹＦＣ１８０８３０１）作者简介：赵思远（１９９１—），男，硕士研究生，主要研究方向为地下水数值模拟及场地污染修复技术。Ｅ－ｍａｉｌ：ｚｈａｏｓｙ２０＠ｍａｉｌｓ．ｊｌｕ．ｅｄｕ．ｃｎ通讯作者：周睿（１９８０—），女，博...
