地下水数值模拟技术已得到了广泛应用。但受众多不确定性因素限制，地下水数值模型和实际地下水系统之间始终存在着差异（一般可归结为地下水数值模拟的不确定性），导致长期的模拟预报结果与实际情况的偏差，严重影响了地下水数值模拟的可靠性。本项目分别从模型结构不确定性、模型参数不确定性和资料不确定性三类主要的地下水数值模拟不确定性因素入手，通过室内外试验和数值模拟手段，研究能有效定量表达不同类型不确定性因素对地下水数值模拟结果影响程度的方法，探求能同时考虑模型结构不确定性、模型参数不确定性和资料不确定性三类不确定性因素的方便有效的地下水数值模拟不确定性定量分析方法。本项目取得主要研究进展有：（1）将贝叶斯理论应用于地下水数值模拟不确定性研究，结合了自适应Metropolis采样的马尔可夫链蒙特卡罗法（AM-MCMC）被用来获取模型预报的贝叶斯后验分布；通过算例分别分析了模型参数敏感性、模型对非均质参数的简化以及观测误差这三种主要不确定性因素对模拟结果的影响；借助贝叶斯后验分布对模型预报量进行了风险分析。（2）通过算例考察了观测数据空间/时间密度对传统EnKF和局域化EnKF的影响，认识到局域化改进EnKF能有效同化更多的观测井数据，给出更精确的结果。（3）采用基于DREAM(ZS)抽样算法的MCMC估计方法提高了模型结构综合似然值估计的效率，并进一步采用更加先进合理的MCMC估计方法—Nested sampling estimator (NSE)和Thermodynamic integration estimator (TIE)，有效避免了综合似然值高估或低估问题。（4）提出了改进的自适应标准稀疏网格方法，大大提高了稀疏网格替代模型的效率。（5）通过多方案对比直接傅里叶变换方法(direct Fourier transform method)和序贯高斯模拟方法(sequential Gaussian simulation)，结果表明序贯高斯模拟方法更加稳定可靠，能够生成稳定的随机渗透系数场。研究成果可应用于各种地下水数值模拟结果的不确定性定量分析与风险分析，为提高地下水数值模型的可靠度和预报精度提供技术支撑，并可丰富地下水科学的理论和方法。