-
公开(公告)号：CN119831450A
公开(公告)日：2025-04-15
申请号：CN202510312876.8
申请日：2025-03-17
Applicant: 厦门大学
IPC: G06Q10/0639 , G06Q50/26 , G06N3/04 , G06N3/0985 , G06N3/084 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种面向高泥沙含量湖库的区域营养盐基准制定方法，包括以下步骤：S1、收集区域湖库营养盐、总悬浮颗粒物和目标指标相关的监测数据，构建区域湖库营养盐基准制定数据库，用于建立营养盐与目标指标之间的定量响应关系；S2、根据决策者的风险偏好或专家经验，选择特定的目标指标达标值和回归分位数；S3、采用分位数回归神经网络模型建立目标指标与总氮、总磷和总悬浮颗粒物之间的非线性压力‑响应关系，并采用贝叶斯优化方法进行超参数优化；S4、对于特定湖库，根据湖库平均总悬浮颗粒浓度，给出特定的目标指标达标值和回归分位数条件下的总氮和总磷的联合营养盐基准。
-
公开(公告)号：CN119848026A
公开(公告)日：2025-04-18
申请号：CN202510312875.3
申请日：2025-03-17
Applicant: 厦门大学
Abstract: 本发明公开了一种基于贝叶斯层次模型的区域湖库营养盐基准制定方法，包括以下步骤：S1、收集区域湖库不同形态氮和磷指标监测数据，构建区域湖库营养盐基准制定数据库；S2、对于特定形态的营养盐，建立贝叶斯层次模型，用于模拟湖库营养盐浓度；S3、根据区域湖库营养盐基准制定数据库中的监测数据，对贝叶斯层次模型进行参数估计，获得模型中各个参数的后验分布；S4、根据参数估计结果，获得区域湖库营养盐浓度的分布；S5、根据参考状态法设定的分位数，推导营养盐标准值；该方法直接易用，在量化区域共性与差异的平衡时有明显的优势，可精准且科学地制定区域湖库营养盐基准，为湖库水环境管理提供有效支持，具有显著优势与应用价值。
-
公开(公告)号：CN119831450B
公开(公告)日：2025-05-16
申请号：CN202510312876.8
申请日：2025-03-17
Applicant: 厦门大学
IPC: G06Q10/0639 , G06Q50/26 , G06N3/04 , G06N3/0985 , G06N3/084 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种面向高泥沙含量湖库的区域营养盐基准制定方法，包括以下步骤：S1、收集区域湖库营养盐、总悬浮颗粒物和目标指标相关的监测数据，构建区域湖库营养盐基准制定数据库，用于建立营养盐与目标指标之间的定量响应关系；S2、根据决策者的风险偏好或专家经验，选择特定的目标指标达标值和回归分位数；S3、采用分位数回归神经网络模型建立目标指标与总氮、总磷和总悬浮颗粒物之间的非线性压力‑响应关系，并采用贝叶斯优化方法进行超参数优化；S4、对于特定湖库，根据湖库平均总悬浮颗粒浓度，给出特定的目标指标达标值和回归分位数条件下的总氮和总磷的联合营养盐基准。
-
公开(公告)号：CN119962408A
公开(公告)日：2025-05-09
申请号：CN202510447526.2
申请日：2025-04-10
Applicant: 厦门大学
IPC: G06F30/27 , G06N7/01 , G06N3/0985 , G06N3/0442 , G06N3/096 , G06F113/08
Abstract: 本发明公开了一种耦合机理模型与深度学习的湖库营养盐浓度模拟方法，包括以下步骤：S1、构建湖库水动力水质机理模型，计算营养盐的内循环过程通量，获得通量指标和营养盐浓度的次生数据；S2、通过对损失函数的物理指导正则化构建物理信息神经网络，并采用贝叶斯优化算法进行超参数优化，实现深度学习对湖库水动力水质机理模型的学习和替代；S3、设置物理信息神经网络的部分权重为可变参数，对步骤S2建立的深度学习模型进行微调，实现对实际观测营养盐浓度的模拟；S4、采用深度学习的解释方法识别营养盐浓度波动的主要影响因子，解析营养盐浓度演变的驱动机制，并进行湖库营养盐浓度的模拟和预测。
-
-
-
Search Results
4
records
(took 0.015 seconds)
