公开(公告)号：CN119670493A

公开(公告)日：2025-03-21

申请号：CN202411775494.0

申请日：2024-12-05

Applicant: 吉林大学

Inventor： 戴振学 ,  曹明旭 ,  陈骏骏 ,  刘东 ,  曾友明

IPC: G06F30/23 ,  G06T17/20 ,  G06F30/27 ,  G06T17/05 ,  G16C20/20 ,  G16C20/70 ,  G06N3/0464 ,  G06F111/10 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明适用于水文地质学技术领域，提供了一种基于蒙特卡洛采样和信息熵的高维渗透率场反演方法，该方法利用深度神经网络从大量高维数据中学习模型参数与模型响应之间的映射关系，通过耦合蒙特卡洛随机模拟、基于信息熵的多目标优化算法布设监测站点，为参数反演过程提供更加可靠的观测数据，最终提高渗透率场的反演精度。本发明在解决非均质含水层中的高维参数反演难题时，展现出良好的计算效率和识别精度。具体而言，本发明优化监测站点的布设方案，通过高效利用监测数据降低反演结果的误差，提升反演的准确性和可靠性；实现了对非均质含水层中高维渗透率场的反演，为复杂溶质运移模拟问题提供了技术支撑，展现出广阔的实际应用前景。