地面沉降模型是地面沉降研究的重要内容，抽水引起地面沉降的过程模拟及趋势预测是当前模型研究的重要方面。国内外很多学者针对不同的水文地质条件及地下水采灌状况，提出了许多不同的地面沉降模拟预测方法，概略分类为：确定性模型、随机统计模型、人工智能模型。
1.确定性模型
确定性模型基于抽水引起地面沉降的成因机制，描述水的渗流情况（渗流场模型）、土的变形特性（应力场模型）以及土与水的相互作用（二者耦合）。通常确定性模型又称为土水模型。
（1）渗流场模型：要求有再现地下水系统的能力，能真实刻画实际地下水系统中发生的物理过程。该模型主要分为经验模型、二维模型、准三维模型、三维模型。其中准三维模型将含水层的地下水作水平渗流处理，黏土层、亚黏土层中的水流作一维垂向渗流处理。我国上海和天津早期所建立的地面沉降模型均为此类模型。
三维模型由于将含水层和弱透水层中的地下水均作三维渗流处理，可较好地刻画地下水流场的真实状态，但数据参数要求高。
（2）应力场模型：根据土层的固结特征，应力场模型简单分为线弹性模型、非线性弹性模型和流变模型。线弹性模型简单认为土层的应力应变关系符合胡克定律，计算量较小，应用较多。非线性弹性模型和流变模型分别考虑到了土层固结的非线性及蠕变特性，较符合实际土体非线性、非弹性及各向异性特征。
在土层的固结过程中，流固耦合效应会导致土中孔隙比变化及渗透系数变化，进而影响地下水的渗流和土体的固结，所以地面沉降数值模拟必须考虑渗流场和应力场间的耦合模式。
按照渗流场和应力场结合方式，地面沉降模型可分为：两步计算模型、部分耦合模型和完全耦合模型。
（1）两步计算模型：先由渗流场模型求出水位或水压，作为应力场模型的边界条件，再进行沉降计算。两步模型计算原理简单，所需参数少，但它只限于计算一维垂向变形，且不考虑抽水过程中土层渗透性和贮水性的改变。我国上海、天津建立的地面沉降模型都采用此耦合方式。
（2）部分耦合模型：在两步基础上，考虑到土体的固结导致土中孔隙比、土的压缩性及透水性的动态变化。如冉启全和顾小芸1998 年建立的三维渗流与一维固结部分耦合地面沉降模型。
（3）完全耦合模型：该模型基于著名的比奥（Biot）固结理论，考虑孔隙水压力的变化对土体变形的影响以及土体变形对孔隙水压力的影响，将渗流场模型和应力场模型统一于相同的物理空间。该模型的地下水流和土体变形既可以是一维的，也可以是二维、三维的，不仅反映地面沉降，也能反映土层的水平位移。如骆祖江等建立的吴江市浅层地下水开采与地面沉降控制三维全耦合模型，还有上海学者建立的上海市三维地下水渗流场和三维地质力学耦合模型（图 0.1-3），通过不同边界条件，重演了1979 年至1995 年期间上海地面沉降情况。完全耦合模型涉及的参数复杂，计算量大，目前在大面积区域性地面沉降数值模拟和预测中的研究还需要进一步加强。
(www.xing528.com)
图0.1-3 上海市中心区域三维有限元模型
2.随机统计模型
地面沉降是多因素影响下松散土层压缩固结的结果，其发育生长亦表现出随机性、趋势性及周期性。当确定性模型难以准确建立时，构建基于大量监测数据的随机统计模型也是行之有效的方法之一。常用的随机统计模型有回归分析模型、时间序列模型和灰色模型。
回归分析模型采用拟合数学关系式表达输出变量与（多个）输入因子间的相关关系，其拟合和预测精度与样本容量大小有关。Mizumura 和Kazumasa 运用回归方程模型研究了地面沉降量与历史沉降量、地面水位及降雪量间的关系，并对日本强降雪地区未来1—2 月的地面沉降生长趋势进行预测，取得了良好效果；潘云等建立了天津市区地下水开采量-沉降量、地下水位-沉降量的线性回归方程，并预测了以后9 年的地面沉降发展情况，结果显示可靠。回归分析模型计算简单，无须确定沉降区域的水文地质参数，但该模型的准确建立需要立足于大量监测数据之上，且所建模型不能反映地下岩土介质的本构关系。
时间序列分析通过时间序列的历史数据揭示现象随时间变化的规律，并将这种规律用数学模型加以表达，通过模型将这种规律延伸到未来，从而对对象的未来状态作出预测。Xia Linyuan 等研究显示运用ARMA模型模拟和预测工程引起的地面蠕变具有较好的适用性。
焉建国等利用自回归模型对上海地面沉降进行了拟合和推估，结果显示AR（4）模型能较好地反映上海地面沉降的变形趋势。
灰色模型提供了贫信息情况下解决系统问题的新途径。它根据各因素之间发展态势的相似或相异程度来衡量因素间的关联程度，无须太多样本量和典型的分布规律。该模型已经运用于上海、天津、台湾、苏州、洛阳等地的地面沉降预测当中。
3.人工智能模型
广义上讲，人工智能（Artificial Intelligence，AI）就是用计算机模拟和再现人类的某些智能行为。20 世纪90 年代以来，人工智能模型随着计算机技术的飞速发展而取得重大突破，并在处理大规模复杂系统中出现的组合爆炸、非线性、高维、多峰值、不连续、非凸性及带噪声等难解问题时，表现出常规统计模型无可比拟的通用、稳健、简单、并行处理等优越性能。目前运用较广泛的人工智能模型有：以大规模非线性、并行分布式处理为特色的人工神经网络，擅长于自适应全局优化的遗传算法及擅长于模拟智能行为的模糊计算。
鉴于人工智能模型的优越性，地面沉降学者已经将它用来研究地面沉降的生长趋势，并取得一定的效果，为地面沉降的治理提供了理论依据。Hung-Zi CHEN 等采用人工神经网络模型对我国台湾北港地区的地面沉降进行预测，结果显示预测误差可达到1 cm。王忠忠、钱为民构建了上海高桥地区的径向基神经网络模型，并对1990—2010 年的地面沉降进行了预测。李红霞等建立了基于混沌优化BP 神经网络的地面沉降预测模型，结果显示具有较高的拟合精度和较强的泛化能力。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
