地下水污染风险评价是地下水污染防治重点区划定工作的基础，其关键在于深入理解评价目标、方法和数据。本研究提出了一种整合目标（GoaL）—方法(Approach)—数据(Data)的地下水污染风险评价框架(GLAD)，并以青岛市大沽河流域潜水含水层为例进行了研究。GLAD框架将评价目标划分为：识别潜在易污区、定量污染风险概率、探究驱动因子非线性机制等三个层次，并针对不同目标概括了相应的评价方法和数据。在此框架下，采用9种不同模型对青岛市大沽河流域进行了地下水污染风险评价，包括DRASTIC和DRASTIC-L两种指标加权模型，证据权重、逻辑回归、模糊逻辑等三种统计模型，以及多层感知器、支持向量回归、随机森林回归、自适应增强等四种机器学习方法。此外，基于随机模拟理论，探讨了因子权重对指标加权模型的影响、污染物浓度数据不确定性对统计模型和机器学习方法的影响，以及因子不完整性对9种模型的影响。研究表明，尽管这些模型都能够生成合理的地下水污染风险评价结果，但在评价过程中应综合考虑目标、方法和数据可靠性，选择合适的评价方法。
 

地下水污染,地下水脆弱性,GIS,概率统计分析,机器学习方法