含水层参数是进行地下水研究的最基本的参数,含水层参数的可靠性,决定地下水模拟计算的准确性。目前,主要是利用抽水试验数据来确定含水层参数。近年来,智能优化算法被广泛用于解决此类问题。粒子群算法(Particle Swarm Optimization Algorithm,PSO)是常用的智能优化算法。针对PSO算法自身的一些问题,本文对其进行了改进,并将其用于确定直线边界完整井流模型参数。本文的主要研究工作如下:1、为了克服PSO算法自身的缺陷,提出混合策略粒子群算法(Hybrid Strategy Particle Swarm Optimization Algorithm,HS-PSO),即将紧凑度的思想融入到PSO算法中,加强算法的局部搜索,结合调度系数的控制,提高算法的精度及寻优速度,再通过替换阈值的约束,加强全局搜索。2、将HS-PSO算法用于确定直线供水边界完整井流模型,通过与相关文献中其他方法计算结果的比较,与降深观测值的拟合及HS-PSO算法对水位降深的反演,验证了HS-PSO算法的可靠性;通过对降深观测值进行扰动分析,验证了HS-PSO算法的稳定性;讨论了HS-PSO算法的收敛性对种群规模的依赖性,给出了种群规模的建议值;通过分析待估参数取值范围对HS-PSO算法收敛性的影响可知,HS-PSO算法对待估参数取值范围的敏感性较低。3、将HS-PSO算法应用于确定直线隔水边界完整井流模型,通过HS-PSO算法所得的降深计算值与降深观测值的拟合及对水位降深的反演,验证了HS-PSO算法的可靠性;讨论了种群规模对HS-PSO算法收敛性的影响,给出了种群规模的建议值;分析了待估参数取值范围对HS-PSO算法收敛性的影响,得出HS-PSO算法在确定含水层参数时较其他算法更有效;通过对确定的导水系数和储水系数的灵敏度进行分析,可看出导水系数和储水系数随着水位降深值的增大而减小,且导水系数的灵敏度高于储水系数的。