L'intrusion d'eau de mer est un problème environnemental mondial. En raison des caractéristiques de son évolution dynamique, la surveillance réelle nécessite le choix de méthodes techniques plus précises et pratiques. Ces dernières années, les méthodes de prospection géophysique jouent un rôle important dans la surveillance des aquifères côtiers. La méthode de résistivité à haute densité, en tant que technologie de prospection électrique couramment utilisée, est largement appliquée dans les domaines de la prospection géologique et hydrogéologique, et a également de nombreuses applications dans la surveillance de l'interface entre l'eau salée et l'eau douce lors de l'intrusion d'eau de mer. La recherche sur les méthodes d'interprétation des données de résistivité à haute densité a toujours été un point d'attention pour les chercheurs nationaux et étrangers. Avec le développement des technologies informatiques, les algorithmes d'apprentissage automatique ont progressivement été introduits dans l'interprétation des données de résistivité à haute densité, parmi lesquels les réseaux neuronaux BP, les machines à apprentissage extrême et les réseaux neuronaux convolutionnels sont trois méthodes d'interprétation des données d'apprentissage automatique courantes et prometteuses. L'article résume et discute leurs principes de base, les progrès de la recherche et l'état des applications.

Intrusion d'eau de mer;Résistivité à haute densité;Réseau neuronal BP;Machine à apprentissage extrême;Réseaux neuronaux convolutionnels