-
公开(公告)号：CN119202951B
公开(公告)日：2025-02-25
申请号：CN202411690730.9
申请日：2024-11-25
Applicant: 河海大学
IPC: G06F18/2431 , G06F18/214 , G06N20/20 , G06N5/01
Abstract: 本发明公开了一种基于随机森林及SHAP的地下水硬度影响因子分析方法，收集研究区域与研究时段内地下水总硬度的相关数据，构建地下水总硬度数据集；同时构建预测变量数据集；将预测变量作为模型输入，训练并优化随机森林模型，从而通过该模型构造预测变量与地下水总硬度之间的映射关系；基于优化后的随机森林模型，对研究区域内所有点位的地下水总硬度进行预测，得到地下水总硬度在时间上的变化趋势以及在空间上的分布与变化特征；对训练好的随机森林模型实施SHAP分析，确定每个预测变量的重要性占比。本发明可实现对整个研究区域与研究时段地下水总硬度的预测，并能得到各影响因子对地下水总硬度的影响特征。
-
公开(公告)号：CN118114592A
公开(公告)日：2024-05-31
申请号：CN202410259227.1
申请日：2024-03-07
Applicant: 河海大学
Abstract: 本发明公开了不确定性条件下预测咸水入侵动态的替代建模方法，包括以下步骤：建立基于物理过程的咸水入侵模型，确定输入参数取值范围；获取输入样本，导入咸水入侵模拟模型获取输出数据集，构建输入‑输出数据集；根据输入‑输出数据集对三种机器学习替代模型进行训练，将输入样本导入替代模型中获取预测数据；结合氯离子浓度观测数据与三种替代模型预测数据，利用贝叶斯模型平均算法获得模型的权重和方差，构建数值模型的集成机器学习替代模型。本发明将贝叶斯平均算法和机器学习有机结合，量化了模型不确定性，构建了集成机器学习替代模型以提升预测性能，证实了不确定性条件下集成机器学习替代建模在预测地下水污染物迁移动态方面的可行性。
-
公开(公告)号：CN117727377A
公开(公告)日：2024-03-19
申请号：CN202311774115.1
申请日：2023-12-21
Applicant: 河海大学
Abstract: 本发明公开了一种高效计算地下水污染失效概率的预条件子集模拟方法，包括以下步骤：通过序贯高斯生成N个地下含水层高斯渗透系数场；将N个地下含水层高斯渗透系数场分别代入地下水污染物运移模型的功能函数中计算响应值；将响应值按照升序排列得到种子样本和阈值；将种子样本作为每一条马尔科夫链的初始样本，根据预条件克兰克尼科尔森技术生成候选样本；判断候选样本是否在失效阈内，接受落在失效阈的候选样本，拒绝落在失效阈外的候选样本；重复马尔可夫链采样和排序过程，直到阈值小于0则终止采样，根据所采样本计算失效概率。本方法在处理高维地下水污染小失效概率问题时，比传统的蒙特卡罗模拟和子集模拟效率更高，结果更稳定。
-
公开(公告)号：CN117057221A
公开(公告)日：2023-11-14
申请号：CN202310916614.3
申请日：2023-07-25
Applicant: 河海大学
IPC: G06F30/27 , G06N20/00 , G06F111/10 , G06F113/08
Abstract: 本发明公开了一种基于机器学习的滨海非均质含水层刻画实现方法及装置，由海水入侵数值模型得到从参数先验分布中随机生成的若干组水力传导系数与其对应模型输出的模拟数据；通过样本间的两两相减，从先验集合中产生参数差值与模拟数据差值的大量样本；利用上述数据训练机器学习模型，构建模拟数据差值到参数差值之间的映射关系；将观测数据与先验模拟数据集合的差值输入到训练好的机器学习模型，得到的输出与先验参数集合相加，即得到对先验水力传导系数集合的更新结果；实施迭代更新，获取迭代后的水力传导系数。本方法可以从训练数据中识别复杂特征并学习非线性关系，在复杂非高斯滨海含水层刻画问题中，取得较优的反演效果。
-
公开(公告)号：CN113849990A
公开(公告)日：2021-12-28
申请号：CN202110147583.0
申请日：2021-02-03
Applicant: 河海大学
IPC: G06F30/23 , G06F111/10
Abstract: 本发明公开了一种模拟地下水流和达西速度的多尺度有限元法‑区域分解组合法，包括步骤：确定地下水流问题的定解条件设定粗、细单元尺度，剖分研究区；运用伽辽金理论对其变分；应用多尺度有限元法求解水头；应用区域分解法将研究区化分为单介质子区域，将地下水达西速度问题分解为子区域上的子问题；选取一个子问题，运用伽辽金理论变分，组合多尺度有限元法和伽辽金法获得达西速度；通过折射定律获得该子区域和相邻子区域介质界面另一侧的达西速度，作为相邻子问题的定解条件；选取下一个子问题求解。本方法能够高效、精确的获得地下水流和达西速度，能够在地下水介质界面处保证达西速度符合折射定律，从而丰富了地下水数值模拟的方法体系。
-
Patent Agency Ranking
公开(公告)号：CN118821653A
公开(公告)日：2024-10-22
申请号：CN202410932312.X
申请日：2024-07-12
Applicant: 河海大学
IPC: G06F30/28 , E02B7/20 , E02B7/26 , G06F30/13 , G06F30/23 , G06F16/29 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种通过改进闸门结构防治河口地区浅层含水层咸水入侵的方法。根据河口地区的水文地质数据，建立河流浅层含水层咸水入侵数值模型，在考虑工程投入和保证建筑结构安全的条件下，确定最优的闸门向下延长深度，达到显著减轻浅层含水层咸水入侵的效果；在闸底板位置沿闸门槽方向向下开孔，使改进的闸门可以进入闸底板下部含水层，在闸门含水层部分的上下游及两侧布置多孔挡土墙，使之形成不含多孔介质的空腔结构，便于改进的闸门启闭。通过本发明的技术方案，在不改变原有建筑结构的条件下，能以一种较低的经济成本和相对简单的施工工艺，显著减轻河口地区浅层含水层咸水入侵的程度。
-
公开(公告)号：CN118114592B
公开(公告)日：2024-09-06
申请号：CN202410259227.1
申请日：2024-03-07
Applicant: 河海大学
Abstract: 本发明公开了不确定性条件下预测咸水入侵动态的替代建模方法，包括以下步骤：建立基于物理过程的咸水入侵模型，确定输入参数取值范围；获取输入样本，导入咸水入侵模拟模型获取输出数据集，构建输入‑输出数据集；根据输入‑输出数据集对三种机器学习替代模型进行训练，将输入样本导入替代模型中获取预测数据；结合氯离子浓度观测数据与三种替代模型预测数据，利用贝叶斯模型平均算法获得模型的权重和方差，构建数值模型的集成机器学习替代模型。本发明将贝叶斯平均算法和机器学习有机结合，量化了模型不确定性，构建了集成机器学习替代模型以提升预测性能，证实了不确定性条件下集成机器学习替代建模在预测地下水污染物迁移动态方面的可行性。
-
公开(公告)号：CN118332871A
公开(公告)日：2024-07-12
申请号：CN202410571989.5
申请日：2024-05-10
Applicant: 河海大学
IPC: G06F30/23 , G06F30/28 , G06T17/20 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种模拟岩性分界线达西流速的跳跃多尺度有限元法，包括：根据所需求解的地下水问题将研究区剖分为粗、细单元，构造粗尺度基函数，将地下水流问题进行变分，离散后求解，将地下水达西速度问题进行变分，结合粗尺度基函数和伽辽金有限元法进行达西速度的第一次计算；根据研究区岩性分界线的分布和粗、细单元的剖分构建扩大基函数，改进原粗网格基函数；构造分界线函数，修正岩性分界线弱侧节点的右端项，迭代获得强侧达西流速，通过折射定律获得弱侧达西流速。本发明在模拟含岩性分界线的地下水问题时具有极高的计算精度和计算效率，并且在岩性分界线处模拟的解能够符合折射定律。
-
公开(公告)号：CN119202951A
公开(公告)日：2024-12-27
申请号：CN202411690730.9
申请日：2024-11-25
Applicant: 河海大学
IPC: G06F18/2431 , G06F18/214 , G06N20/20 , G06N5/01
Abstract: 本发明公开了一种基于随机森林及SHAP的地下水硬度影响因子分析方法，收集研究区域与研究时段内地下水总硬度的相关数据，构建地下水总硬度数据集；同时构建预测变量数据集；将预测变量作为模型输入，训练并优化随机森林模型，从而通过该模型构造预测变量与地下水总硬度之间的映射关系；基于优化后的随机森林模型，对研究区域内所有点位的地下水总硬度进行预测，得到地下水总硬度在时间上的变化趋势以及在空间上的分布与变化特征；对训练好的随机森林模型实施SHAP分析，确定每个预测变量的重要性占比。本发明可实现对整个研究区域与研究时段地下水总硬度的预测，并能得到各影响因子对地下水总硬度的影响特征。
-
公开(公告)号：CN119004975A
公开(公告)日：2024-11-22
申请号：CN202411081760.X
申请日：2024-08-08
Applicant: 河海大学
IPC: G06F30/27 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种基于深度学习单步映射的土壤参数估计方法，包括：将土壤水力/热参数构成的土壤参数先验集合输入土壤数值模型得到其对应的土壤模型状态输出集合；将土壤模型扰动状态集合与土壤参数先验集合进行组合，构成深度学习模型的训练数据集合；将土壤模型扰动状态集合作为输入、对应的土壤参数先验作为输出，输入深度学习模型进行训练，得到训练后的深度学习模型；将监测到土壤状态实际观测数据中加入随机观测扰动，形成土壤观测扰动集合，输入训练后的深度学习模型得到估计的土壤水力/热参数值。本发明利用多源观测数据通过深度学习直接更新模型参数，在非均质非饱和土壤的非线性、非高斯等复杂条件下也可实现土壤参数的有效估计。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
