通过理论研究和工程实践证明,模拟模型只能解决预报的问题,而模拟优化才能解决地下水修复过程中决策方案的优选问题。因此基于数值模拟的优化模型日益受到人们的普遍重视。但优化模型必须要以模拟模型为基础,用以保证优化模型的寻优过程一定是在遵循地下水实际系统固有原理和规律(由模拟模型来表达)的基础上进行。因此就需要通过某种方式和途径,把模拟模型嵌入到优化模型之中,使之成为优化模型的组成部分,实现模拟模型与优化模型的连接。以往运用的嵌入法、响应矩阵法、状态转移方程法都是用来解决如何在优化模型中嵌入和调用模拟模型这一问题的,但是它们本身有各自的适用范围,使用起来常常受到限制。替代模型法是一种连接模拟模型与优化模型的有效途径。建立在功能上能够逼近地下水流数值模拟模型的近似替代模型,在优化模型迭代求解过程中即可直接调用替代模型(即对替代模型进行求解),而不必再是模拟模型本身。这样不仅能够克服以往耦合技术方法的局限性,而且可以大幅度地减少优化模型求解计算过程中调用模拟模型所造成的计算负荷,节省大量时间。因此,替代模型法是-种很有挖掘潜力和应用前景的解决途径,它的研究与应用会日益受到人们的重视与认可。替代模型质量的好坏取决于建模过程中的两个关键环节,即采样方法和替代模型种类的研究选定。选用一种合适的采样方法结合模拟模型获得输入(抽水量)-输出(水位降深)样品数据集,是建立替代模型的基本前提。本文以金泉工业园区水源地为研究区,在建立研究区地下水数值模拟模型的基础上,应用蒙特卡罗抽样和拉丁超立方抽样分别在区内5口抽水井抽水量的可行范围内进行采样获得输入数据集(抽水量),这样既满足现实需要又提高工作效率。在抽取相同样品数的情况下,对比分析两种抽样方法的抽样结果发现,拉丁超立方抽样得到的数据更具代表性。因此选用拉丁超立方抽样的结果作为抽水试验方案的数据,并将其作为输入数据集带入到地下水数值模拟模型中运行,计算得到10口观测井水位降深数据集,即输出数据集。在输入输出数据集的基础上,本文分别运用回归分析方法、人工神经网络方法,建立双响应面模型、径向基函数(RBF)神经网络模型两种地下水数值模拟模型的替代模型,并对替代模型的有效性进行检验,结果显示：两种替代模型得到的结果与模拟模型的计算结果拟合均较好,说明两种替代模型在功能上都能够逼近地下水数值模拟模型。最后,针对双响应面模型、RBF神经网络模型两种替代模型的应用过程、计算结果进行对比分析。结果发现,与双响应面模型相比,RBF神经网络模型在对样本数量的要求、与模拟模型计算结果的拟合精度、表达方式等方面更具优势,应用前景更好,这表明两种替代模型中RBF神经网络模型更适于作地下水数值模拟模型的近似替代模型。