由于地下水模型的可靠性很大程度上依赖于模型参数的可靠性，因此地下水模型的参数估计问题一直是业内最重要的问题之一。近年来，信息融合领域的滤波方法开始得到水文地质学家的关注。以集合卡尔曼滤波为代表的滤波技术展现出综合利用多来源、多种类观测资料，更新模型状态的能力，但同时也表现出诸多不足之处。本文首先介绍了常用滤波方法的理论基础（卡尔曼滤波理论），并将地下水领域已出现的滤波算法（标准集合卡尔曼滤波、确定性滤波、基于卡亨南-刘维的卡尔曼滤波等）进行了系统的总结、验证和比较;在此基础上，针对集合数较小的集合卡尔曼滤波存在的取样噪声问题，以显式和隐式局域化修正协方差的方式对集合卡尔曼滤波算法进行改进，提高滤波估计参数的精度，并研究了如何合理配置这两种修正方案;随后，为了克服卡尔曼滤波理论只能处理高斯分布的白噪声的限制，引入一种新的滤波算法——集合无穷范数滤波，对水文地质参数进行估计。本文利用三个理想的地下水模型，对这些滤波算法估计对数渗透系数场的能力进行了比较详细的研究。