替代地下水建模策略：多维度数据驱动方法

过去几十年来，由于计算能力的提升以及使我们能够提取和测量越来越多数据的技术出现，统计方法对地下水研究的影响非常显著。本文重点关注对实践中仍在使用且始终是研究人员最易获取的统计方法进行验证，展示了传统时间序列模型和现代神经网络如何成为分析和利用该领域常用数据进行可靠预测的可行选项，并提出了一种基于 Copula 的策略以在空间上获取地下水位的定向依赖关系。本文还提出了一个在该领域鲜少涉及的模型验证范畴：模型寿命或模型保质期。使用此类验证技术不仅能在保持合理高精度的同时确保较低的计算成本，而且在某些情况下还能确保稳健的预测或预报，并有助于比较多个模型。