石油类产品在生产和运输的过程中,由于意外事故或操作不当,常常发生泄漏,导致石油类有机污染物进入地下含水层中,对地下水造成污染。相比于轻非水相流体（Light non-aqueous phase liquids,LNAPLs）污染,重非水相流体（Dense non-aqueous phase liquids,DNAPLs）污染常常更难修复,需要较长的修复时间和昂贵的修复费用,而且很难获得令人满意的修复效果。因此,制定合理高效的修复方案就显得尤为重要,而合理高效修复方案的设计则以了解和掌握地下水DNAPLs污染源的相关信息为前提。可见,地下水污染溯源辨识研究具有重要的实际意义。地下水污染溯源辨识,即为运用地下水水位和污染物浓度的现场实际监测数据,以及现场调查和专业经验等辅助信息,对地下水污染数学模拟模型进行反演求解,辨识确定出地下水污染源的相关信息,包括污染源的个数、位置和释放历史,其中释放历史即为污染物的释放强度随时间的变化过程。本次研究采取假想例子与实际例子相结合的方式开展研究。通过深度学习、集合卡尔曼滤波方法及优化方法等多种理论与方法的综合应用,对地下水DNAPLs污染溯源辨识研究前沿中尚待解决的科学问题开展创新性研究。先对假想例子开展研究,以验证本文所研究的理论和方法的有效性;然后再以吉林市某石油化工污染场地作为研究实例,开展实例研究,以考察本文所研究的理论和方法,应对和处理实际问题的能力。最终辨识确定出实际污染场地的地下水DNAPLs污染源信息和模拟模型中参数的取值。首先,根据污染场地的实际条件,对地质和水文地质条件进行概化处理,建立水文地质概念模型。在此基础上,建立实际污染场地的地下水DNAPLs污染多相流数值模拟模型。并对多相流数值模拟模型中的参数进行灵敏度分析,从中甄选出对模拟模型输出结果影响较为显著的参数,也就是灵敏度较高的模拟模型参数,连同污染源信息一起作为本次地下水DNAPLs污染溯源辨识研究的待识别变量。然后,分别采用两种浅层学习方法（克里格方法和核极限学习机方法）及两种深度学习方法（深度信念神经网络方法和深度残差神经网络方法）,建立多相流数值模拟模型的替代模型,并对四种替代模型的精度进行对比,以此分析出两种深度学习替代模型（深度信念神经网络替代模型和深度残差神经网络替代模型）的优势和适用性。然而,针对同一具体问题,不同替代模型的适用性和拟合能力常常有所不同。因此,为了取长补短,充分发挥不同单一深度学习替代模型各自的优势,本次研究探索应用集合卡尔曼滤波方法,将上述两种深度学习替代模型（深度信念神经网络替代模型和深度残差神经网络替代模型）进行加权组合,建立深度学习组合替代模型,并与各单一深度学习替代模型的精度进行对比,分析其优势和适用性。之后,分别单独采用集合卡尔曼滤波方法和优化方法,进行地下水DNAPLs污染溯源辨识。通过一个假想例子分析这两种方法各自的适用性及优缺点。其中,对于优化方法来说,本次研究探索对优化模型的求解算法加以改进,研究构建改进蝴蝶优化算法,以进一步提高优化模型的求解精度。在建立了地下水DNAPLs污染溯源辨识优化模型的基础上,为进一步提高优化模型的求解精度,本次研究对原有的蝴蝶优化算法加以改进,通过引入动态切换概率机制,构建改进蝴蝶优化算法,用于求解地下水DNAPLs污染溯源辨识的优化模型。通过一个假想例子分析改进蝴蝶优化算法的有效性。最后,根据集合卡尔曼滤波方法和优化方法各自的长处与不足,本次研究探索将二者相结合,取长补短,构建一种鲁棒性和实用性更强的组合搜索方法,进行地下水DNAPLs污染溯源辨识,以进一步提高辨识精度和成效。先采用集合卡尔曼滤波方法在各待识别变量的取值区间内进行快速地粗略搜索,以粗选出一组初步的待识别变量辨识结果,作为后续搜索过程的起步条件,为优化方法快速地提供一个更好的初始点。在此基础上,再采用优化方法进行精细化搜索,以优选出最终的待识别变量辨识结果。通过假想例子,将组合搜索方法与两种单一方法的辨识结果进行对比,分析其有效性。在验证了组合搜索方法的优势和成效的前提下,再将其应用于吉林市某石油化工污染场地,开展地下水DNAPLs污染溯源辨识的实例研究。最终辨识确定出实际污染场地的地下水DNAPLs污染源信息和模拟模型中参数的取值。基于以上研究,主要得出以下3点结论:（1）本次研究探索出了一种性能更好的组合替代模型建模方法——集合卡尔曼滤波方法。与两种浅层学习替代模型相比,两种深度学习替代模型对多相流数值模拟模型的逼近精度更高。而本次研究采用集合卡尔曼滤波方法对上述两种深度学习替代模型（深度信念神经网络替代模型和深度残差神经网络替代模型）进行组合,建立的深度学习组合替代模型,各项评价指标均优于单一的深度学习替代模型,整体上进一步提高了对复杂模拟模型的逼近精度和适用性。（2）本次研究通过对原有的蝴蝶优化算法加以改进,研究出了一种优化模型的有效解法——改进蝴蝶优化算法。本次研究对原有的蝴蝶优化算法加以改进,通过在其中引入动态切换概率机制,从而构建出的改进蝴蝶优化算法,具有更强的寻优能力,能够避免搜索过程陷入局部最优,有效地提高了地下水DNAPLs污染溯源辨识优化模型的求解精度,是有效可行的。（3）本次研究通过将集合卡尔曼滤波方法与优化方法相结合,探索出了一种地下水DNAPLs污染溯源辨识的有效的理论和方法——组合搜索方法。本次研究所构建出的组合搜索方法,既能够利用集合卡尔曼滤波方法为优化方法快速地提供一个更好的初始点,又能够利用优化方法弥补集合卡尔曼滤波方法处理强非线性反问题时精细化搜索能力弱的短板。组合搜索方法的整体辨识效果要优于其中任一种单一方法,明显提高了地下水DNAPLs污染溯源辨识的精度和成效。