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。

公开(公告)号：CN119830720A

公开(公告)日：2025-04-15

申请号：CN202411866918.4

申请日：2024-12-18

Applicant: 吉林大学

Inventor： 于清杨 ,  刘涵 ,  刘东 ,  曾友明 ,  戴振学

IPC: G06F30/27 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985 ,  G06F119/08 ,  G06F119/12

Abstract: 本发明属于地质工程和环境科学技术领域，涉及一种基于深度学习的岩石冻融损伤预测方法，包括准备数据、数据预处理、生成数据集、模型构建、模型训练、模型验证和预测输出。本发明运用深度学习模型，使用深度学习模型自动提取岩石冻融损伤规律，有较大的参数量；采用缺失值处理方法，通过二维向量标记缺失值；对于不同来源的样本区分，采用热独编码；掩码机制方面，使模型专注于真实数据。本发明岩石冻融损伤预测方法可构建一个深度学习模型，该模型不仅提高了预测精度，还增强了模型的鲁棒性和泛化能力，能够有效解决传统模型的诸多缺陷，模型的输出可以用于岩石冻融损伤的评估和工程设计，提供科学依据和决策支持，具有广泛的应用前景。