閆佰忠，孫 劍，3，陳佳琦，孫豐博，，李曉萌，付慶杰

(1. 河北地質(zhì)大學(xué)水資源與環(huán)境學(xué)院，河北省高校生態(tài)環(huán)境地質(zhì)應(yīng)用技術(shù)研發(fā)中心，河北 石家莊 050031；2.河北省水資源可持續(xù)利用與開發(fā)重點(diǎn)實(shí)驗(yàn)室，河北 石家莊 050031；3. 中化地質(zhì)礦山總局浙江地質(zhì)勘查院，浙江 杭州 311201；4. 山東省魯南地質(zhì)工程勘察院(山東省地勘局第二地質(zhì)大隊)，山東省地?zé)崆鍧嵞茉纯辈殚_發(fā)工程研究中心，山東 濟(jì)寧 272100)

0 引 言

伴隨著城市化進(jìn)程的加快以及經(jīng)濟(jì)的高速發(fā)展，我國出現(xiàn)了一系列的生態(tài)環(huán)境問題，能源和環(huán)境問題日益凸顯，亟待發(fā)展清潔能源技術(shù)。地下水源熱泵技術(shù)作為一項(xiàng)低溫地?zé)豳Y源可持續(xù)利用的技術(shù)方法，是開發(fā)和強(qiáng)化高質(zhì)量能源利用率的重要手段和獲得可再生能源及維護(hù)生態(tài)平衡的有效途徑，對低位熱能的開發(fā)和利用具有重要意義。

目前，關(guān)于地下水源熱泵的理論研究多集中在熱泵機(jī)組運(yùn)行效率分析、循環(huán)系統(tǒng)的優(yōu)化設(shè)計、工程質(zhì)量研究、適宜性評價、含水層貯能與回用以及水源熱泵數(shù)值模擬等方面。適宜性評價作為淺層地溫能開發(fā)利用的基礎(chǔ)，國內(nèi)已有大量學(xué)者對此進(jìn)行了研究。姚炳光等2017年綜合考慮西安市區(qū)域地質(zhì)、水文地質(zhì)條件，運(yùn)用層次分析法，在劃分研究區(qū)地下水源熱泵適宜區(qū)的基礎(chǔ)上，綜合考慮水質(zhì)、回灌率、已運(yùn)行情況以及環(huán)境條件，對西安市水源熱泵開發(fā)利用潛力進(jìn)行了評估[1]。賴光東等2017年利用層次分析法結(jié)合基尼系數(shù)客觀賦權(quán)法，將地下水溫、水化學(xué)類型等13個影響地下水源換熱效率的要素作為評價因子，構(gòu)建了西安地區(qū)淺層承壓水地下水源熱泵適宜性指標(biāo)評價體系，并對適宜性分布狀況做了分析[2]。郭山峰等年2020采用單指標(biāo)綜合評價法、層次分析法，對漯河市地下水源熱泵系統(tǒng)適宜性評價進(jìn)行了研究[3]。這些研究多采用傳統(tǒng)方法計算權(quán)重或隸屬度，并采用分區(qū)賦值對地下水源熱泵適宜性進(jìn)行劃分，存在效率過低，主觀性太強(qiáng)的問題。隨著計算機(jī)技術(shù)的快速發(fā)展，針對傳統(tǒng)評價方法在評價因素權(quán)重的確定和隸屬度函數(shù)的構(gòu)建上存在的不足，機(jī)器學(xué)習(xí)技術(shù)為區(qū)域性目標(biāo)評價提供了新的思路。李梅等2007年為解決加權(quán)評分法和模糊數(shù)學(xué)方法主觀性太強(qiáng)的問題，利用BP神經(jīng)網(wǎng)絡(luò)建立了地下水脆弱性評價模型，并對黃淮平原寧陵縣地下水脆弱性進(jìn)行了評價[4]。岳丹丹等年2016年采用BP神經(jīng)網(wǎng)絡(luò)對西鞍山鐵礦區(qū)內(nèi)12個監(jiān)測點(diǎn)水質(zhì)進(jìn)行了評價，結(jié)果表明神經(jīng)網(wǎng)絡(luò)法與模糊綜合評價法及綜合質(zhì)量評價法的評價結(jié)果基本一致[5]。但目前對于BP神經(jīng)網(wǎng)絡(luò)的調(diào)參多以人工試湊為主，存在漏參的同時，人工耗時較長，影響評價效率。

為解決上述問題，本文以石家莊市為例，依據(jù)區(qū)內(nèi)地質(zhì)、水文地質(zhì)條件，采用自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)與GIS耦合的方法，建立地下水源熱泵適宜性分區(qū)評價模型，對石家莊市水源熱泵適宜性分區(qū)進(jìn)行評價。為驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)評價準(zhǔn)確度，與模糊層次分析法評價結(jié)果進(jìn)行對比，以期為地下水源熱泵設(shè)施選址與利用提供新的評價思路。

1 研究區(qū)概況

石家莊市地處河北省中南部，屬河北省省會，東與衡水市接壤，南與邢臺市毗連，西與山西省為鄰，北與保定市交界。跨太行山地和華北平原兩大地貌單元，地勢西高東低，地貌形態(tài)為沖洪積作用、河湖相沉積而成的山前傾斜平原。區(qū)內(nèi)屬北溫帶半濕潤、半干旱大陸性季風(fēng)氣候，多年平均氣溫13 ℃左右，多年平均降水量為511.19 mm。區(qū)內(nèi)水系主要有沙河、滋河、滹沱河、蛟河、槐河。本文所選研究區(qū)位于石家莊市主城區(qū)，東、西、南以三環(huán)線為界，北部以G1811黃石高速為界，總面積約為337.67 km2，地理坐標(biāo)位于東經(jīng) 114°22′12″—114°40′40″、北緯37°57′20″—38°06′36″。研究區(qū)范圍如圖1所示。

圖1 石家莊市交通位置圖Fig.1 Location map of the study area

2 研究方法

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)由Rumelhart和McClelland于1986年提出，是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)[6]。具體原理為：“當(dāng)輸出與期望輸出不符時，網(wǎng)絡(luò)誤差逆向傳播，按誤差梯度下降的方式修正權(quán)值，沿隱含層、輸入層逐層反轉(zhuǎn)，繼而信息正向傳播，依次交替，以使網(wǎng)絡(luò)輸出不斷地接近期望輸出，從而完成學(xué)習(xí)過程[7]?！鄙窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)越復(fù)雜、樣本數(shù)量越多，其處理非線性問題的能力越強(qiáng)，網(wǎng)絡(luò)誤差越低，但也使網(wǎng)絡(luò)復(fù)雜化，從而增加了網(wǎng)絡(luò)訓(xùn)練時間和出現(xiàn)過擬合的傾向。結(jié)構(gòu)過于簡單網(wǎng)絡(luò)則不能建立復(fù)雜的判斷界限，容錯性較差。因此，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在滿足精度的前提下，應(yīng)取盡可能緊湊的結(jié)構(gòu)，本文采用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行模擬。由于地下水源熱泵適宜性評價需考慮到研究區(qū)本身的基礎(chǔ)地質(zhì)條件，將其它已評價區(qū)的數(shù)據(jù)作為樣本意義不大，鑒于此，本次神經(jīng)網(wǎng)絡(luò)評價訓(xùn)練樣本采用理想構(gòu)建的方法獲得[8]。在理想樣本中，若樣本各項(xiàng)指標(biāo)均處于最優(yōu)范圍內(nèi)，則適宜性評價結(jié)果為適宜；若均處于中等范圍內(nèi)，則適宜性評價結(jié)果為較適宜；若均處于較差范圍內(nèi)，則適宜性評價結(jié)果為不適宜，各等級隨機(jī)生成200組樣本，選取樣本70%作為訓(xùn)練集，30%作為驗(yàn)證集。為提高網(wǎng)絡(luò)訓(xùn)練效率，對指標(biāo)進(jìn)行歸一化處理，歸一化規(guī)則如下：

x=(x-xmin)/(xmax-xmin)

(1)

式中：x為歸一化后的指標(biāo)數(shù)值；xmax為各指標(biāo)最大值；xmin為各指標(biāo)最小值。

本文BP神經(jīng)網(wǎng)絡(luò)模型層與層傳遞函數(shù)分別為tansig、purelin，訓(xùn)練函數(shù)為traingdm。由于BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)、學(xué)習(xí)率對網(wǎng)絡(luò)預(yù)測精度有較大影響，本研究將該兩項(xiàng)作為模型超參數(shù)進(jìn)行調(diào)參。目前，常見模型調(diào)參多為試湊法，即首先通過經(jīng)驗(yàn)公式[9]確定參數(shù)大概范圍，然后試算并確定最終參數(shù)[10]。這種方法人工耗時長且無法確定最佳參數(shù)，存在漏參。隨著計算機(jī)技術(shù)的發(fā)展，計算機(jī)運(yùn)算能力大大提高，為確定最優(yōu)參數(shù)，本文提出網(wǎng)格搜索(Grid search)方法進(jìn)行BP神經(jīng)網(wǎng)絡(luò)超參尋優(yōu)。步驟為：“選取隱含層節(jié)點(diǎn)數(shù)為1:100，搜索步長為1；學(xué)習(xí)率為0.001:0.6，搜索步長為0.001，共采用100×600個參數(shù)組合對模型進(jìn)行訓(xùn)練，搜索驗(yàn)證誤差最小的組合為最優(yōu)參數(shù)。

2.2 模糊層次分析法

模糊層次分析法(fuzzy analytical hierarchy process)是定性與定量相結(jié)合的系統(tǒng)分析方法[11]，被廣泛用于風(fēng)險評估[12]、資源評價[13]、環(huán)境影響綜合評判[14]等方面。基本思想為根據(jù)多目標(biāo)評價問題的性質(zhì)和總目標(biāo)，把問題本身按層次進(jìn)行分解，構(gòu)成一個由下而上的梯階層次結(jié)構(gòu)，對同一層次的指標(biāo)以上一級的指標(biāo)為準(zhǔn)則進(jìn)行兩兩比較，構(gòu)建模糊判斷矩陣，并轉(zhuǎn)換為模糊一致矩陣，最后通過計算得出排序權(quán)重[15]。目前，模糊層次分析法中排序權(quán)重常用的計算方法為方根法、和行歸一化法[16]，計算比較簡單，但算法精確度不高[17]。鑒于此，本文采用方根法、行歸一化法、冪法結(jié)合的方法計算排序權(quán)重向量，為最大程度保證評價結(jié)果客觀準(zhǔn)確，以三位專家打分計算得出權(quán)重的平均值作為最終權(quán)重。具體步驟如下：

步驟1：采用德爾菲法(Delphi Method)按0.1～0.9指標(biāo)數(shù)量標(biāo)度表得出模糊判斷矩陣A=(aij)n×n(表1)；

表1 0.1～0.9指標(biāo)數(shù)量標(biāo)度Table 1 Quantity scale of 0.1-0.9 index

步驟2：將矩陣A=(aij)n×n按式(2)、(3)進(jìn)行數(shù)學(xué)變換，得到模糊一致矩陣R=(rij)n×n，

(2)

(3)

步驟3：將R=(rij)n×n按式(4)、(5)計算初始排序權(quán)重向量，

(4)

(5)

步驟4：將兩者平均值W=(Wa+Wb)/2代入冪法(式(6)—(9))作為迭代初始值，計算三個各層指標(biāo)的單排序向量的平均值作為最終排序權(quán)重向量，

V(k+1)=EY(k)

(6)

Y(k)=V(k)/‖V(k)‖∞

(7)

‖V(k+1)‖∞-‖V(k)‖∞<ε

(8)

(9)

式中：k為迭代次數(shù)，k=1，2，…，n；E=(eij)n×n，為R=(rij)n×n互反矩陣；ε為給定誤差[18]。

3 實(shí)例應(yīng)用

3.1 地下水源熱泵適宜性評價體系的建立

地下水源熱泵適宜區(qū)評價作為水源熱泵工程建設(shè)的一項(xiàng)優(yōu)化選址工作，其首要問題是確定地下水源熱泵工程建設(shè)的評價指標(biāo)。評價指標(biāo)的選取需以反映影響水源熱泵開發(fā)利用因素的全面性、代表性、評價因子的相對獨(dú)立性、層次性以及資料的可獲得性為原則。根據(jù)《淺層地?zé)崮芸辈煸u價規(guī)范》[19]，水位動態(tài)變化、回灌能力、單位涌水量是必須要考慮的因素，三項(xiàng)指標(biāo)任一項(xiàng)數(shù)值達(dá)到閾值，都不適宜應(yīng)用地下水源熱泵系統(tǒng)。地下水源熱泵系統(tǒng)的運(yùn)行在較大程度上受含水層厚度、富水性影響，含水層越厚，供水能力越強(qiáng)，熱泵的服務(wù)年限越長[20]，富水性太小則會導(dǎo)致熱負(fù)荷不足導(dǎo)致水源熱泵換熱效率低下，運(yùn)營成本增高。地下水化學(xué)特征直接影響著熱泵的工作效率，鐵離子、硬度、礦化度較高則較大可能產(chǎn)生水垢堵塞管道，同時，地下水溫決定著地下水源熱泵的能效比，水溫越高、能效比越高。地下水源熱泵適宜性評價不僅要通過適宜性標(biāo)準(zhǔn)評判，還要以不破壞地質(zhì)環(huán)境、防止環(huán)境地質(zhì)災(zāi)害為基礎(chǔ)。水源熱泵開發(fā)利用地質(zhì)環(huán)境較差的地區(qū)主要包括地面沉降嚴(yán)重區(qū)、降落漏斗下降區(qū)、重要水源地保護(hù)區(qū)，考慮到地面沉降和降落漏斗發(fā)生區(qū)域基本一致，本文將降落漏斗下降區(qū)作為評價指標(biāo)之一。

基于此，本文根據(jù)規(guī)范，結(jié)合區(qū)內(nèi)地質(zhì)、水文地質(zhì)條件及前人成果[21]，選取含水層厚度、富水性、滲透系數(shù)、地下水位埋深、水位降深、回灌能力、鐵離子含量、硬度、礦化度、地下水水溫、地面沉降等11項(xiàng)影響因素作為本次評價要素指標(biāo)。其中，水位降深、回灌能力、單井涌水量作為先決條件評價指標(biāo)，指標(biāo)體系結(jié)構(gòu)如圖2。

圖2 地下水源熱泵指標(biāo)體系結(jié)構(gòu)圖Fig.2 Index system structure of groundwater source heat pump

3.2 基礎(chǔ)數(shù)據(jù)及標(biāo)準(zhǔn)化

研究區(qū)淺層含水層具有典型的山前沖洪積特征，西部山前200 m以淺含水層厚度(以砂層計)相對較薄，<40 m；向東厚度逐漸增加，靠近滹沱河一帶，>120 m。地下水位埋深分布總體上自西南向東北由淺變深，由小于20 m過渡為大于50 m。根據(jù)含水介質(zhì)不同，研究區(qū)靠近滹沱河一帶水量豐富，單位涌水量大于100 m3/(h·m)，沿西南方向逐漸減少，到北新城—西王村以西，僅為10～30 m3/(h·m)。滲透系數(shù)越大，越適合地下水源熱泵的應(yīng)用，研究區(qū)大部分滲透系數(shù)在100～200 d/m之間變化，西南部西崗頭—東尹村一帶滲透系數(shù)較小，<100 m/d；南高營—東兆通一帶滲透系數(shù)較大，>200 m/d。依據(jù)研究區(qū)水化學(xué)特征，區(qū)內(nèi)地下水溫分布在14～16 ℃之間；礦化度、總硬度自西向東，呈逐漸降低趨勢。

由于評價指標(biāo)數(shù)據(jù)類型與量綱有較大區(qū)別，且部分基礎(chǔ)數(shù)據(jù)存在區(qū)間值，不具備連續(xù)性數(shù)值特點(diǎn)，同時為了適應(yīng)模糊層次分析法的賦值處理，需對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)量化處理?；谏窠?jīng)網(wǎng)絡(luò)數(shù)據(jù)處理的優(yōu)勢，BP神經(jīng)網(wǎng)絡(luò)只需存在區(qū)間值的基礎(chǔ)數(shù)據(jù)進(jìn)行量化處理。各指標(biāo)根據(jù)規(guī)范及研究區(qū)水文地質(zhì)條件按1～9之間賦值[22]，個別指標(biāo)(全區(qū)數(shù)值均低于或高于規(guī)范限定值)按1～5或5～9賦值，見表2，適宜性分級標(biāo)準(zhǔn)見表3。

表3 適宜性分級標(biāo)準(zhǔn)Table 3 Suitability classification standard

3.3 BP神經(jīng)網(wǎng)絡(luò)評價

根據(jù)BP神經(jīng)網(wǎng)絡(luò)網(wǎng)格搜索調(diào)參結(jié)果，當(dāng)隱含層節(jié)點(diǎn)數(shù)為3，學(xué)習(xí)率為0.378時，驗(yàn)證誤差最小，為0.00111。為總結(jié)參數(shù)與誤差之間的規(guī)律，求各組參數(shù)誤差平均值并繪制相關(guān)折線圖(圖3和圖4)。結(jié)果顯示：誤差隨隱含層節(jié)點(diǎn)數(shù)、學(xué)習(xí)率的增大先降低后升高。推測隱含層節(jié)點(diǎn)數(shù)過少，模型未學(xué)習(xí)完全，導(dǎo)致模型泛化能力不高，節(jié)點(diǎn)數(shù)過多，模型出現(xiàn)過擬合，導(dǎo)致驗(yàn)證誤差升高；學(xué)習(xí)率太低，容易陷入局部最優(yōu)，學(xué)習(xí)率過高，梯度下降的步子過大，可能跨過最優(yōu)值。

圖3 隱含層節(jié)點(diǎn)數(shù)誤差Fig.3 Hidden layer node number error plot

圖4 學(xué)習(xí)率誤差Fig.4 Learning rate error plot

根據(jù)上述搜索調(diào)參結(jié)果，選取最優(yōu)參數(shù)組合對模型進(jìn)行訓(xùn)練，然后根據(jù)先決評價標(biāo)準(zhǔn)(表4)進(jìn)行適應(yīng)性分區(qū)。為評價整個研究區(qū)地下水源熱泵適宜性程度，采用GIS均勻提取研究區(qū)內(nèi)3754個柵格點(diǎn)數(shù)據(jù)作為模型測試數(shù)據(jù)，導(dǎo)入模型輸出結(jié)果，并對邊界異常點(diǎn)修正，BP神經(jīng)網(wǎng)絡(luò)分區(qū)結(jié)果見圖5，根據(jù)先決條件評價標(biāo)準(zhǔn)得出最終適宜性分區(qū)圖(圖6)。結(jié)果顯示：研究區(qū)地下水源熱泵適宜區(qū)分布在南高營—東兆通一帶，面積約為32.59 km2，占比9.65%；較適宜區(qū)大，占研究區(qū)大部，面積為278.44 km2，占比82.46%；不適宜區(qū)位于研究區(qū)西北及東部局部，面積為26.64 km2，占比7.89%。

表4 先決條件指標(biāo)標(biāo)準(zhǔn)Table 4 Prerequisite index standard

圖5 BP神經(jīng)網(wǎng)絡(luò)適宜性分區(qū)Fig.5 Suitability zone of BP neural network

圖6 BP神經(jīng)網(wǎng)絡(luò)最終適宜性分區(qū)Fig.6 Final suitability zone of BP neural network

3.4 模糊層次分析法評價

為反映BP神經(jīng)網(wǎng)絡(luò)評價結(jié)果的合理性，本文采用傳統(tǒng)模糊層次分析法進(jìn)行評價對比。首先利用前述模糊層次分析法計算各指標(biāo)權(quán)重，各指標(biāo)權(quán)重見表5。再利用GIS根據(jù)指標(biāo)量化標(biāo)準(zhǔn)(表2)對研究區(qū)指標(biāo)數(shù)據(jù)分區(qū)并賦值，利用空間分析功能對9個指標(biāo)分區(qū)圖按式(10)進(jìn)行屬性加權(quán)，得出屬性綜合圖(圖7)，并按適宜性分級標(biāo)準(zhǔn)進(jìn)行分區(qū)，最后與先決條件疊加(圖8)：

表5 指標(biāo)權(quán)重分配Table 5 Index weight distribution

圖7 FAHP適宜性疊加分區(qū)Fig.7 Suitability overlapping zone of FAHP

圖8 FAHP最終適宜性分區(qū)Fig.8 Final suitability zone of FAHP

(10)

式中：c為各指標(biāo)要素量化后的值；w為指標(biāo)對應(yīng)權(quán)重。

分區(qū)結(jié)果顯示：研究區(qū)地下水源熱泵適宜區(qū)分布在南高營—東兆通一帶，面積約為19.74 km2，占比5.85%；較適宜區(qū)位于研究區(qū)中部，面積為251.22 km2，占比74.40%；不適宜區(qū)位于研究區(qū)西北部及東部，面積為66.71 km2，占比19.75%。

3.5 評價分析

對比兩種方法評價過程，采用自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)與GIS耦合的方法以自學(xué)習(xí)的方式規(guī)避了主觀賦權(quán)的弊端，同時利用網(wǎng)格搜索算法，能夠快速準(zhǔn)確地從6萬種參數(shù)組合中獲取最優(yōu)參數(shù)，且評價時無須事先對研究區(qū)指標(biāo)賦值分區(qū)。而采用模糊層次分析法需首先采用專家法計算指標(biāo)權(quán)重，再進(jìn)行指標(biāo)屬性分區(qū)，最后進(jìn)行疊加評價，步驟較為繁瑣。相比之下，前者效率更高，更能反映研究區(qū)單點(diǎn)適宜性程度。

對比兩者疊加前評價結(jié)果，模糊層次分析法評價事先對指標(biāo)屬性進(jìn)行分區(qū)，對某一范圍內(nèi)的指標(biāo)按統(tǒng)一值處理，疊加分析后的結(jié)果呈預(yù)分區(qū)分布特征。同時，受主觀影響，環(huán)境地質(zhì)賦權(quán)過大，評價結(jié)果受該指標(biāo)主導(dǎo)，導(dǎo)致研究區(qū)東南部評價為不適宜。自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)評價通過網(wǎng)格剖分的方式直接得到某點(diǎn)上的適宜性程度，評價結(jié)果不受預(yù)分區(qū)的限制；兩者適宜性分區(qū)除面積略有差異，適宜性分布情況基本相同，BP神經(jīng)網(wǎng)絡(luò)與模糊層次分析法適宜區(qū)評價結(jié)果面積占比僅相差3.80%，較適宜區(qū)面積占比相差8.06%，不適宜區(qū)面積占比相差11.86%，說明采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行地下水源熱泵適宜性區(qū)域評價具有可行性。

4 結(jié) 論

(1)采用網(wǎng)格搜索算法對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行全局參數(shù)搜索，能夠快速、準(zhǔn)確地從100×600組參數(shù)組合中找到最優(yōu)參數(shù)。相比以往首先根據(jù)經(jīng)驗(yàn)公式選取范圍，再進(jìn)行人工試湊調(diào)參，可極大地提高訓(xùn)練效率，同時精度更高。

(2)與基于模糊層次分析法相比，采用自適應(yīng)BPNN-GIS的方法進(jìn)行區(qū)域性評價無需對指標(biāo)數(shù)據(jù)進(jìn)行賦權(quán)處理，克服了主觀性太強(qiáng)的弊端。同時，利用GIS進(jìn)行柵格提取，無須進(jìn)行指標(biāo)預(yù)分區(qū)處理，評價結(jié)果可以反映單點(diǎn)的適宜性程度，更適用于大區(qū)域性評價。

(3)為反映自適應(yīng)BPNN-GIS方法評價結(jié)果的準(zhǔn)確性，采用模糊層次分析法評價結(jié)果予以對比。結(jié)果顯示，兩者適宜性分區(qū)除面積略有差異，適宜性分布情況基本相同，BP神經(jīng)網(wǎng)絡(luò)與模糊層次分析法適宜區(qū)評價結(jié)果面積占比僅相差3.80%，較適宜區(qū)面積占比相差8.06%，不適宜區(qū)面積占比相差11.86%，說明采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行地下水源熱泵適宜性區(qū)域評價具有可行性。