1.一種基于地面沉降替代模型的地下水多目標計算方法，步驟如下：

步驟1，建立模擬模型，用于刻畫地面沉降區地下水水頭和地面沉降量在時間和空間上的分布；

步驟2，自適應KELM替代模型訓練；采用LHS方法生成300個訓練個體和50個驗證個體，分別采用SUB-WT數值模型評價個體的監測點水位輸出、監測點地面沉降量輸出和地面沉降總量輸出；采用KELM模型進行訓練，分別訓練出7個KELM替代模型，分別為3個監測點水位、3個監測點地面沉降量和1個地面沉降總量替代模型；采用驗證樣本對剛訓練的替代模型進行驗證，以證明初始替代模型的可靠性；

步驟3，確定計算目標函數和約束條件，建立優化計算模型；目標函數包括抽水總量和地面沉降總量；

所述抽水總量的計算公式為：

最大化

f_pumping表示抽水總量，單位為L³·T^-1；NW表示抽水井的總數，Q_i表示第i口井的抽水流量，單位為L³·T^-1，NT是模擬應力期的總數，Δt_k表示第k個應力期的總時長；

所述地面沉降總量的計算公式為：

最小化

f_totalsub表示地面沉降總量，單位為M；N_g為研究區數值模型剖分的有效單元數，S_g為管理期末第g個網格地面沉降量，單位為M，v()為KELM訓練出的地面沉降總量替代模型，其為單井抽水流量Q_i的函數；步驟4，模擬模型與優化模型耦合：

①對每代種群以HVI和CDI指數為標準進行競爭選擇，交叉和變異操作，生成過渡種群；

②進化每隔5代，基于HVI和CDI指數選擇排名前10％的個體，并采用高斯擾動鄰域搜索方法對前10％的個體進行鄰域搜索，并輸出搜索后的個體；

③將過渡種群與鄰域搜索個體集進行合并，并從合并解集中選擇種群大小的占優個體作為新種群。

步驟5，選用SUB-KELMSMOMA優化技術求解多目標計算問題權衡解；包括初始地面沉降模型訓練，所述初始地面沉降模型訓練具體為：首先采用拉丁超立方采樣方法生成訓練樣本集與隨機產生驗證樣本集，基于訓練樣本集，采用KELM模型以抽水井流量為輸入變量，監測井地下水位、地面沉降量與全區地面沉降總量為輸出變量，訓練地面沉降模型；基于驗證樣本集對訓練的KELM地面沉降模型進行驗證，判斷初始訓練模型是否達到精度要求；

(1)初始地面沉降模型訓練

首先采用拉丁超立方采樣方法生成訓練樣本集與隨機產生驗證樣本集，基于訓練樣本集，采用KELM模型以抽水井流量為輸入變量，監測井地下水位、地面沉降量與全區地面沉降總量為輸出變量，訓練地面沉降模型；基于驗證樣本集對訓練的KELM地面沉降模型進行驗證，判斷初始訓練模型是否達到精度要求；

(2)產生初始解

采用隨機方式產生種群大小的樣本為初始種群；

(3)目標函數隨機評價：

采用初始的KELM訓練模型逐個計算種群中的每個個體對應的監測井的地下水水位、沉降量值和地面沉降量總值，進而評價各個個體的目標函數值和約束條件；依據目標函數值，采用個體的超體積指數和個體擁擠度指數計算個體排名和個體擁擠度值；

(4)多目標進化：

①對每代種群以HVI和CDI指數為標準進行競爭選擇，交叉和變異操作，生成過渡種群；

②進化每隔5代，基于HVI和CDI指數選擇排名前10％的個體，并采用高斯擾動鄰域搜索方法對前10％的個體進行鄰域搜索，并輸出搜索后的個體；

③將過渡種群與鄰域搜索個體集進行合并，并從合并解集中選擇種群大小的占優個體作為新種群。

(5)自適應訓練沉降模型

將上一步鄰域搜索的個體集增加到訓練樣本集，重新采用KELM方法對地面沉降模型進行自適應訓練，不斷更新和提高替代模型的預測精度。

(6)判斷是否滿足停止標準

優化過程中，如果達到了預先設定的最大迭代次數，算法停止，輸出Pareto最優解集；

步驟6，基于優化計算，得到一組能夠權衡多個目標之間關系且滿足約束條件的Pareto解，每個解則對應于一個地下水抽水方案。