1.一种基于地下水监测系统的区域地下水情预测方法，其特征在于，所述方法包括如下步骤：S1：通过地下水观测系统中的观测数据，结合实时监测数据，基于支持向量回归，建立各个观测井抽水量预测函数和抽水量‑地下水水位预测函数，对地下水水位进行实时预测；

S2：采用马尔可夫‑蒙特卡洛法计算抽水井与其对应的观测井的抽水‑水位泄降关系，利用观测网实时监测的观测数据，同时计算多个地下水水情参数，基于贝叶斯理论建立的概率分布，通过对样本进行迭代筛选，获取粒子来近似后验概率分布，同时计算各个观测井水位预测结果和观测井抽水量预测结果，避免各个预测参数之间存在耦合；

S3：根据观测井的坐标和分布情况，划定覆盖全部观测井的预测区域，预测区域覆盖整个监测网区域，对整个预测区域进行网格划分，生成n×n个网格点；

S4：构造监测网区域的泰森多边形，结合欧几里德距离变换对应坐标集合Ue并入到观测井坐标集合Um当中，形成二维数组Um+e再合并泰森多边形顶点坐标集合UV，构成二维数组表示集合观测井坐标、欧几里德距离变换坐标和泰森多边形顶点坐标的坐标点集合Um+e+V；

利用观测井水位预测结果，根据观测区域构造的泰森多边形对覆盖整个监测网的预测区域进行模拟，对生成的n×n个网格点赋值，设定泰森多边形中观测井i的泰森多边形Vi区域网格点赋值，为观测井i的地下水位预测结果，同时将观测井抽水量预测结果赋值给Vi区域网格点，生成该区域抽水量的初步预测结果，同时生成该区域地下水水位的初步预测结果；

S5：通过观测井坐标、欧几里德距离变换交点坐标以及泰森多边形顶点坐标构建包含所有散点的凸多边形点集Um+e+V，将凸多边形分割成互不相交的三角形，对相邻三角形进行调整获得带权三角剖分，通过三角形内插值计算，根据坐标点集中各点对应的初步预测结果进行修正，对生成的地下水水位‑抽水量区域分布初步预测结果进行实时修正；

S6：采用高斯平滑函数对修正后的地下水水位‑抽水量分布区域水情预测结果进行平滑，得到最终预测结果，采用若梯度双阈值检测进一步修正预测结果，对采用支持向量回归算法的地下水水情预测结果和采用马尔可夫‑蒙特卡洛法算法的地下水水情预测结果进行统计分析，根据对比残差统计学分布比较分析预测结果的精确度，创建一个保存结果的数组，优化预测模型保存作为稳定的地下水水位预测系统模型。

2.根据权利要求1所述的基于地下水监测系统的区域地下水情预测方法，其特征在于，S1具体包括如下步骤：S11 ：对应不 同各观 测井坐标 按照时间 序列建 立一个训 练样本 集表示抽水量的历史观测数据，对应不同各观

测井坐标按照时间序列建立一个训练样本集

表示地下水水位的历史观测数据；

S12：在样本空间中训练模型函数，在如下约束条件

yi∈{‑1,+1}，松弛变量ξi≥0，松弛变量ηi≥0，i＝0,1,2…t，i表示第i个时间点；t表示观测时间点总数；损失函数为：其中，C为>0的常数；ε给定决策面位置；μ表示决策面的

a

法向量；ξi和ηi为松弛变量；满足优化目标，得到降水量预测模型函数f1(x ，ti)，其中，ti表a示时间，x表示抽水量；

在如下约束条件 得到地下水水位预测模型函数

a b a b

f2(x，x)，其中，x表示抽水量；x表示地下水水位；即对未来时刻的抽水量和地下水水位进行实时预测；

S13：对抽水量观测数据 和地下水水位的

历史观测数据 进行线性回归，构建多种的抽

水量‑地下水水位线性回归模型，计算得到残差，进行对比分析，将线性回归模型函数的预测结果与支持向量回归预测的地下水水位结果进行对比，分析预测的精度，优化预测模型。

3.根据权利要求1所述的基于地下水监测系统的区域地下水情预测方法，其特征在于，步骤S2中，基于马尔可夫‑蒙特卡洛法计算抽水井与其对应的观测井的抽水‑水位泄降关系，避免各个预测参数之间存在耦合，具体包括如下步骤：S21：基于贝叶斯理论建立水情参数连续计算的概率模型，水情观测历史数据可以同时计算包括抽水量和地下水水位的多个水情参数的概率分布；

0 0 a b

设定t时刻及t 时刻前各个观测井及收集的水情观测数据为Xt，后验概率P(x ,x ,t|Xt)可以表示为：a b 0

其中，x表示抽水量；x表示地下水水位；t预测起始时间；t为预测时间；

a b

S22：取样本简化模型φt(x，x，t|Xt)符合q分布，q(·)为先验分布P(φt|φt‑1)的转移矩阵，i表示符合q分布的第i个粒子，记作 t表示时刻，由i＝1，…，N循环迭代；

后验概率分布可以近似归纳为：

其中，t时刻第i个粒子的第一权系数 总数可以归一化为1， N为粒子总数；

δ表示等比例概率；

基于更新后的观测数据Xt，参与到水情参数的计算中，所有粒子权重重新标准化为：a b

其中，L(Xt|φt)＝L(Xt|x，x，t)作为第二权系数，通过若干带有权重的粒子，计算抽水井与其对应的观测井的抽水‑水位泄降关系，构建区域地下水情预测模型。

4.根据权利要求1所述的基于地下水监测系统的区域地下水情预测方法，其特征在于，S3具体包括如下步骤：S31：根据观测井的坐标和分布情况划定覆盖全部观测井的预测区域，预测区域覆盖整个监测网区域，基于由监测网提供的实时监测数据，对预测区域进行网格划分和观测井坐标数组的建立；

S32：根据预测区域范围划分的网格，创建网格点区域中心的二维数组以横纵坐标(xn，yn)为中心的n×n区域Un＝{(x1,y1),(x2,y2),…,(xn‑1,yn‑1),(xn,yn)}，将数组中所有点初始化为单位矩阵函数，其中l和h分别为x向与y方向相邻网格点之间的间距，xn＝l×n，yn＝h×n；

S33：构建一个对应观测井位置坐标的二维数组Um＝{(x1,y1),(x2,y2),…,(xm‑1,ym‑1),(xm,ym)}，(xm，ym)为Um中第m个观测井对应的水情预测结果。

5.根据权利要求1所述的基于地下水监测系统的区域地下水情预测方法，其特征在于，S4具体包括如下步骤：S41：构造监测网区域的泰森多边形：根据N个观测井坐标对预测区域构造泰森多边形，以相邻观测井作中垂线生成泰森多边形，即VN图；

利用观测井水位预测结果，根据观测区域构造的VN图对覆盖整个监测网的预测区域进行模拟，对生成的n×n个网格点赋值，设定泰森多边形当中观测井i的泰森多边形Vi区域网格点赋值，为观测井i的地下水位预测结果，同时将观测井抽水量预测结果赋值给Vi区域网格点；

S42：以Df(xi，yi)表示坐标(xi，yi)的欧几里德距离变换计算，以f(xj，yj)表示坐标(xj，2

yj)的消耗函数，(xi,yi)∈Un，(xj,yj)∈Un，Df(xi,yi)＝min(((xi,yi)‑(xj,yj))+f(xj,yj))遍历n×n区域Un＝{(x1,y1),(x2,y2),…,(xn‑1,yn‑1),(xn,yn)}，计算得到欧几里德距离变换对应坐标集合Ue并入到观测井坐标集合Um当中，形成二维数组Um+e，再合并泰森多边形顶点坐标集合UV，构成二维数组表示集合观测井坐标、欧几里德距离变换坐标和泰森多边形顶点坐标的坐标点集合Um+e+V。

6.根据权利要求1所述的基于地下水监测系统的区域地下水情预测方法，其特征在于，S5具体包括如下步骤：S51：将生成的二维数组，对应观测井位置坐标、欧几里德距离变换坐标以及泰森多边形顶点坐标的二维数组Um+e+V，每个坐标点对应Um+e+V中的观测井相应的水情预测结果，Um+e+V当中每个坐标点都对应一个时间序列的地下水水情预测结果，由Um+e+V中的点作为端点构成三角剖分网络的封闭线段；

S52：Um+e+V中的点作为端点构成三角剖分网络凸多边形，在网格点Un中包络的点集为Uk＝{(x1,y1),(x2,y2),…,(xk‑1,yk‑1),(xk,yk)}，其任意两点形权重为ωij，将凸多边形分割成若干个互不相交的三角形，生成带权三角剖三角网；

S53：构造包含Um+e+V全部坐标点区域的三角形剖分，递归得到三角网的三角剖分，对三角网执行三角形内插值计算，对三角网内每个坐标点集Uk对应的时间序列抽水量预测结果和地下水水位预测结果进行进一步修正，对生成的初步预测结果进行优化更新。

7.根据权利要求1所述的基于地下水监测系统的区域地下水情预测方法，其特征在于，S6具体包括如下步骤：S61：Un＝{(x1,y1),(x2,y2),…,(xn‑1,yn‑1),(xn,yn)}区域中的网格点各中心(xi,yi)构造高斯核函数如下：其中，σ为高斯核生成器中高斯分布的标准差，表征预测结果数据的离散程度；

S62：对修正后的抽水量预测结果和地下水水位预测结果进行高斯平滑，采用sobel函数对预测结果横向和纵向梯度进行计算，采用canny函数设置双阈值进行边缘检测，利用弱梯度值进行双阈值检测，对整个区域的预测结果进一步修正，得到最终预测结果；

S63：基于实测数据，生成的区域地下水水位分布模拟结果，对生成的预测结果采用高斯平滑函数进行平滑，进一步修正后得到最终预测结果，对采用SVR的回归算法的地下水水情预测结果和基于马尔可夫‑蒙特卡洛法算的地下水水情预测结果进行模拟区域分布；

S64：基于不同的算法预测出的结果进行对比，统计分析预测的精度和计算效率，并且加入监测期间气温与降雨或/和降雪、地表沉降信息，分析不同条件对最终预测结果的影响，根据精度和计算效率分析，保存具备鲁棒性的区域地下水水情预测模型。