公开(公告)号：CN119442842A

公开(公告)日：2025-02-14

申请号：CN202411422150.1

申请日：2024-10-12

Applicant: 大连理工大学

Inventor： 柏晓鹏 ,  徐燕 ,  南瑞川 ,  张婷婷 ,  张天琪 ,  闫晓惠

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络CNN的强非均质条件下地下水污染源识别方法及系统，涉及地下水环境保护技术领域；合理概化水文地质条件，构建地下水溶质运移概念模型；采用随机采样方法生成表征污染源排放强度的若干组工况、通过序贯高斯模拟生成含水层渗透系数场；基于含水层渗透系数场，构建地下水溶质运移‑双域基准模型；将若干组工况逐一输入地下水溶质运移‑双域基准模型，由此形成“模型输入‑模型响应”的样本并构成训练样本集和检验样本集；采用深度学习‑CNN算法，基于训练样本集构建地下水污染源识别模型，并使用该模型可精准识别污染源位置及排放强度，有效提高了污染源识别效率和精度，可为地下水污染治理提供可靠的解决方案。