-
公开(公告)号：CN113537354A
公开(公告)日：2021-10-22
申请号：CN202110811519.8
申请日：2021-07-19
Applicant: 吉林大学
Abstract: 本发明公开一种基于深度学习的含水层结构阶段式随机反演识别方法，包括：收集场地先验资料，设置含水层结构参数的先验分布；随机生成含水层结构参数样本，构成第一阶段溶质运移模拟替代模型的训练样本，训练第一阶段溶质运移模拟替代模型；获取含水层数据先验区间，对含水层结构参数进行反演，获取后验含水层结构参数；构建并训练含水层结构生成模型；构建并训练第二阶段溶质运移模拟替代模型；采集观测数据，对含水层结构生成模型的输入参数进行反演；将输入参数输入含水层结构生成模型，获得后验含水层结构。本发明将含水层结构识别方法和深度学习技术结合，利用场地和观测数据进行含水层结构反演识别，有效降低含水层结构随机模拟的不确定性。
-
公开(公告)号：CN112733386B
公开(公告)日：2021-08-17
申请号：CN202110100068.7
申请日：2021-01-25
Applicant: 吉林大学
Abstract: 一种基于深度神经网络的多组分反应性溶质运移参数反演方法，该方法的包括以下步骤：根据观测资料，建立多组分反应性溶质运移模型，确定待反演参数和参数取值范围；准备训练样本集；数据归一化处理；训练正演神经网络；训练反演神经网络；利用反演神经网络估计模型参数；计算参数估计点处的正演神经网络误差；通过自适应更新正演神经网络，提升其局部精度，逐步降低反演结果的误差。本发明可以解决多组分反应性溶质运移参数反演问题，为多组分反应性溶质运移模拟技术的应用提供技术保障。
-
公开(公告)号：CN112733386A
公开(公告)日：2021-04-30
申请号：CN202110100068.7
申请日：2021-01-25
Applicant: 吉林大学
Abstract: 一种基于深度神经网络的多组分反应性溶质运移参数反演方法，该方法的包括以下步骤：根据观测资料，建立多组分反应性溶质运移模型，确定待反演参数和参数取值范围；准备训练样本集；数据归一化处理；训练正演神经网络；训练反演神经网络；利用反演神经网络估计模型参数；计算参数估计点处的正演神经网络误差；通过自适应更新正演神经网络，提升其局部精度，逐步降低反演结果的误差。本发明可以解决多组分反应性溶质运移参数反演问题，为多组分反应性溶质运移模拟技术的应用提供技术保障。
-
公开(公告)号：CN113537354B
公开(公告)日：2022-07-12
申请号：CN202110811519.8
申请日：2021-07-19
Applicant: 吉林大学
Abstract: 本发明公开一种基于深度学习的含水层结构阶段式随机反演识别方法，包括：收集场地先验资料，设置含水层结构参数的先验分布；随机生成含水层结构参数样本，构成第一阶段溶质运移模拟替代模型的训练样本，训练第一阶段溶质运移模拟替代模型；获取含水层数据先验区间，对含水层结构参数进行反演，获取后验含水层结构参数；构建并训练含水层结构生成模型；构建并训练第二阶段溶质运移模拟替代模型；采集观测数据，对含水层结构生成模型的输入参数进行反演；将输入参数输入含水层结构生成模型，获得后验含水层结构。本发明将含水层结构识别方法和深度学习技术结合，利用场地和观测数据进行含水层结构反演识别，有效降低含水层结构随机模拟的不确定性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
