地下水是中國華北地區寶貴的淡水供應來源。然而，在過去的幾十年中，因人口增長、非計畫中和規劃內的工業化以及農地灌溉活動影響，使得地下水受到人為污染。中國90％城市的地下水已被污染，其中約40％的城市地下水水質直接威脅到人們的健康。所以，地下水污染一直是中國環境上亟待解決問題。為了確保地下水可持續利用和開發，需要針對地下水提出預防、補救和管理策略。

  對於準確判別污染源的工作，仍有許多尚未解決的問題，目前而言，這仍有待持續研究。如果可以準確地確定污染物的位置、濃度和流出歷史軌跡，地下水污染的預防和補救策略就可以成功。然而，由於複雜的地下水系統，這將會是極大的挑戰。

  為了解決這個問題，本研究透過將MODFLOW、MT3DMS和Grids Traversal Algorithm三者，結合SCE-UA演算法組合成一個模擬優化模式。這個耦合模式可以辨識未知的地下水污染源。

  本研究提出由Grids Traversal algorithm，自動搜索可能污染源位置的所有組合、MODFLOW模擬流場、MT3DMS模擬污染物傳輸、SCE-UA源頭位置及濃度評估的模擬優化識別模式。此模式假設三種情境，包括單一和多個污染源位置、已知和未知污染源位置以及穩態流和暫態流，經模擬誤差分析及判別源頭的誤差分析，以確定模擬優化模式獲得的結果是最佳的，整個研究成果顯示模式模擬結果良好。

  除了模擬功能之外，也進一步評估了演算次數對模式功能的影響，證實可以透過增加演算次數使結果更為接近，但是相對的也增加計算量。

  本研究所提出的模式演算，各功能模組的輸出入連結，從外部檔案到變量的數據交換都以數值方式處理連結，比傳統類神經網絡（ANN）的模式，更穩定，效率更高。研究結果表示這個新模式可以解決複雜條件下判別污染源頭的問題，從而提供地下水污染預防和管理的平台。