Salzwassereinbruch ist ein weltweites Umweltproblem. Aufgrund seiner dynamischen Entwicklungseigenschaften erfordert die tatsächliche Überwachung die Auswahl präziserer und bequemerer technischer Methoden. In den letzten Jahren haben geophysikalische Erkundungsmethoden eine wichtige Rolle bei der Überwachung von Küstengrundwasserleitern gespielt. Das Hochdichte-Elektromethoden-Verfahren, als eine häufig verwendete Elektromethode, wird weit verbreitet in der geologischen Exploration und Hydrogeologie eingesetzt und findet auch viele Anwendungen bei der Überwachung der Schnittstelle zwischen Meerwasser und Süßwasser bei Salzwassereinbruch. Die Erforschung von Dateninterpretationsmethoden für die Hochdichte-Elektromethode war schon immer ein Schwerpunkt von Wissenschaftlern im In- und Ausland. Mit der Entwicklung der Computertechnik werden maschinelle Lernalgorithmen schrittweise in die Dateninterpretation der Hochdichte-Elektromethode eingeführt, darunter das BP-Neuronale Netzwerk, die Extreme-Learning-Maschine und das Faltungsneuronale Netzwerk, die drei gängige und vielversprechende maschinelle Lernmethoden zur Dateninterpretation sind. Der Artikel fasst deren Grundprinzipien, Forschungsfortschritte und Anwendungsstatus zusammen und diskutiert sie.

Salzwassereinbruch;Hochdichte-Elektromethode;BP-Neuronales Netzwerk;Extreme-Learning-Maschine;Faltungsneuronale Netzwerke