参数反演是地下水系统数值模拟的一个重要内容，参数的不确定性将导致地下水水位、流量、污染分布等一系列问题的不确定性，影响地下水资源优化与管理的准确性和可靠性。如何依据现有水文地质勘探资料高效地反演地下水系统参数，对于提高地下水资源管理和决策水平具有重要意义。　　 地下水数值模拟中常具有河流、井、观测孔等条件，并且含水层往往具有非均质性，这些都提高了有限元数值模拟中网格剖分的难度与要求。Delaunay三角网格剖分方法(Delaunay Triangulation，DT)是目前最流行的非结构化网格生成方法之一，具有数据结构简单、网格单元分割灵活、适应性好、自动化程度高等优点，其剖分后的网格能够最接近等角或等边，避免剖分过程中长薄单元的形成，特别适用于地下水数值模拟中三角形有限元网格的生成，并且能有效减少人为剖分的难度和操作的步骤，具有较好的前处理效果。　　 遗传算法是一种具有全局优化特性的启发式智能算法，不需要解的连续性和二阶偏导，可以有效的克服参数反演多维、非线性的特点，能够很好地适用于地下水含水层参数的优化反演。但简单遗传算法(SGA)存在容易早熟、收敛速度慢等缺点，并且寻优结果容易受参数搜索空间的影响，因此采用在简单遗传算法基础上改进的自适应加速遗传算法(AAGA)，通过对搜索空间的加速收缩、选择变异算子的自适应调整等措施，有效的提高了算法的反演速度和求解精度。　　 最后结合上述方法，运用Delaunay三角剖分一个理想的二维非均质含水层网格后，采用自适应加速遗传算法与特征有限元方法相耦合来反演含水层的弥散系数，取得了较为满意的结果。同时，通过对特征有限元方法和Mt3d的各种求解方法对比分析，显示特征有限元方法在求解对流弥散问题中具有更好的精度与效率。