三论地下水：模拟与预测

地下水模拟研究在我国开展得挺早，上世纪八十年代就曾很热。分布式参数模型、集中参数模型、灰箱模型，还有什么神经网络等。

但是，研究来，研究去，总逃不出参数的鬼门关，尤其是分布式模型，包括降水入渗系数、含水层孔隙度或给水度、老K、地表水补给、开采量等。输出的水位或浓度和实际观测的差距大，就调参，还美其名曰“逆问题”。知道参数，预测水位，这是正问题，反过来就是逆问题。但怎么逆都脱离实际的物理实体，最后大家把搞模型的叫“数学游戏爱好者”。

分布式参数模型的理论本身没问题，都是基于质量守恒定律。但与实际差距大的原因可能是地下水物理实体太复杂，数据又严重短缺，难以精准模拟和预测。

其实，我们有个很好的“老师”，一直没当回事，它就是我们自己的大脑。

大脑预测或认知，不是根据物理或者化学原理进行计算出来的，而是经验统计。每个人的成长都是靠错误或试错堆积出来的。

小孩骑车下坡，没拉紧闸，车子加速，直至失控摔跤为止。这次的教训在他大脑里输入了信息：那种陡坡需要更紧地拉闸。试错几次，他就记住了，也能预测不同力度的控制会有多快的速度。

同样，对复杂的地下水系统，也可以用这类基于统计的人工智能型方法，在大量历史观测数据基础上，建立外部环境与内部动态的响应关系，预测不同情景组合下的地下水变化趋势。

基于数理统计的模型也需大量数据进行分析，学名叫训练。这些大数据必须是实际发生的，而不是虚拟的，因为虚拟的东西脱离了内在发生过的物理过程，不靠谱。

写文章可以用高精度分布式的模型，但实际应用时，地下水系统还是统计学和分布式基于过程的模型都试试，对比一下，看哪些方法适用，不一定复杂的就一定好。管用的，才是好的。