主要解决的问题及具体方法：

本项目依据1959-2019年娘子关泉水流量以及附近七个雨量站降雨量数据利用图神经网络中的ChebNet和GCN模型建立降水驱动的流量预测模型，并对可持续发展效果进行量化。通过建立模型实现了对娘子关泉水流量的预测，提高了预测性能。

  成果创新点：

嵌入了先验知识的图结构对GNN模型的性能有与模型无关的影响。换句话说，图结构提供了关于系统（如地下水系统）的物理信息的基本框架，这主要影响模型的准确性。本文特别根据地形、地质构造和地下水流动方向研究了三种图形结构，这些结构包括完全图、信息流图和流域流向关系图（图1）。结果表明流域流向关系图是描述娘子关泉流域喀斯特水文过程的关键关联图。也就是说，与没有先验知识的图结构（即完全图和信息流图）相比，利用图结构知识（即流域流向关系图）可以提高GNN的准确性。最重要的是，它使模型在物理上有意义。

研究发现，高阶切比雪夫多项式比GCN更能够在时间和空间上提取高阶信息，更适合于复杂多变的娘子关弹簧放电弹簧的预测。准确地说，ChebNet可以更准确地捕捉喀斯特水文过程的时空信息，比GCN更令人满意地产生非线性和非平稳的流量预测。其原因是ChebNet利用高阶切比雪夫多项式，具有局部连通性，其在不同节点之间的参数共享增强该模型的泛化能力，允许从相邻节点中提取更多的潜在信息。

研究表明，地下水可持续发展政策实现了娘子关泉流域水利的目标。受人为活动和气候变化的影响，娘子关泉排放在1959-2006年逐渐减弱，2006年后实施可持续发展战略，开始恢复和稳定。我们使用ChebNet模型，量化了2007-2019年可持续发展战略的贡献，并得出结论，春季流量正在逐渐恢复，平均水平为 2m³ /s。

实践推广应用效果：

  图神经网络解决了传统神经网络无法提取空间结构的特点，将其应用于岩溶泉水，综合分析降水等气候变量和人类活动对海河上游岩溶泉水流量的影响及其的时滞特征，进而对泉水流量进行预测，分析比较两个模型的结果，为海河流域可持续发展，以及实现京津冀协同发展战略提供水资源保障。