融合浓度和电导率的渗透系数与弥散度识别方法、系统

    公开(公告)号:CN117610319B

    公开(公告)日:2024-04-30

    申请号:CN202410092486.X

    申请日:2024-01-23

    Applicant: 南京大学

    Abstract: 本发明公开了一种融合浓度和电导率的渗透系数与弥散度识别方法、系统。所述方法包括:从先验分布中采样生成渗透系数K、纵向弥散度αl和横向弥散度αt场;根据模拟不同观测时刻的溶质浓度分布场及观测点位的浓度数据;利用岩性物理模型将浓度分布场转化为电导率σ场,根据电阻率正演模型获取所有观测时刻的ERT电势数据;将场地中实测的观测点位动态浓度数据和地球物理调查得到的ERT电势数据,连同推演得到的浓度分布场和ERT电势数据一起,输入ESMDA反演算法中,通过数据同化,得到反演更新之后的参数场;利用反演更新的参数场,重复上述操作,最后更新得到最优推估场。发明能够提高非均质含水层的渗透系数和弥散度场的刻画精度。

    一种基于贝叶斯深度学习的碳封存模型不确定性分析方法

    公开(公告)号:CN117933103A

    公开(公告)日:2024-04-26

    申请号:CN202410339656.X

    申请日:2024-03-25

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于贝叶斯深度学习的碳封存模型不确定性分析方法,利用深度神经网络学习多相流数值模型的高维复杂输入‑输出映射关系,形成计算快速的替代模型,取代运算时间长的数值模型计算不确定性分析相应的统计指标,显著降低计算负荷,并利用贝叶斯方法量化基于替代模型计算统计指标结果的置信区间。本发明通过用计算快速的替代模型取代求解计算量大的碳封存数值模型进行快速计算,有效提高不确定性分析的计算效率,从而充分考虑多种可能水文地质情景,量化CO2迁移分布的不确定性,为碳封存工程的优化设计和风险评估提供理论基础和技术支撑。

    一种寒冷区域内多孔介质中LNAPL迁移模拟方法

    公开(公告)号:CN113984591B

    公开(公告)日:2023-09-22

    申请号:CN202111030279.4

    申请日:2021-09-03

    Applicant: 南京大学

    Abstract: 本发明公开了一种寒冷区域内多孔介质中LNAPL迁移模拟方法,基于COMSOL Multiphysics模拟多孔介质水‑气‑NAPL的三相流动模型,包括以下步骤:(1)通过建立LNAPL迁移和LNAPL的存在状态及相互转化过程的控制方程构建流场;(2)通过建立多孔介质传热方程构建温度场,在所述三相流的源项增设冰的融化潜热项,并基于热量守恒建立多孔介质传热方程;(3)通过未冻水和冻结冰的经验关系式对温度场和流场的耦合;(4)通过建立溶解相‑挥发相LNAPL质量平衡方程构建化学场,并通过质量转换项实现与流场的耦合;(5)采用COMSOLMultiphysics对步骤(1)~(4)中所述的表达方程计算求解,得到LNAPL迁移规律;本发明可用于模拟及定量刻化LNAPL泄漏过程中发生冻结后LNAPL的迁移分布,为寒区LNAPL泄漏后的修复提供参考。

    一种基于卷积生成对抗网络的含水层参数场反演方法

    公开(公告)号:CN114818548A

    公开(公告)日:2022-07-29

    申请号:CN202210738233.6

    申请日:2022-06-28

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于卷积生成对抗网络的含水层参数场反演方法,利用卷积生成对抗网络构建和学习含水层参数场的非均质特征到低维标准正态分布向量的映射关系,实现复杂非均质特征的简单参数化表征,既充分考虑和保留了含水层参数场的复杂非均质特征,又显著减少了待估计参数的数量。本发明通过将卷积生成对抗网络与多步数据同化集合平滑算法结合,基于地下水流‑溶质运移数值模型、水头和浓度观测数据,只需估计低维正态分布变量,即可高效可靠地实现复杂非均质含水层参数场反演,进而有效提高地下水数值模型的仿真性和可靠性。

    基于贝叶斯深度学习的区域地下水埋深分布估算方法

    公开(公告)号:CN119830962A

    公开(公告)日:2025-04-15

    申请号:CN202510316375.7

    申请日:2025-03-18

    Applicant: 南京大学

    Abstract: 本发明公开了基于贝叶斯深度学习的区域地下水埋深分布估算方法,本发明利用离散观测井位数据,结合降水、蒸散发、温度、坡度、距离最近地表水体距离、土壤类型、土地利用类型、地下水储量等多源数据作为输入因子,通过贝叶斯深度学习模型建立地下水埋深与输入因子间的非线性映射关系。本发明首先利用观测点位处的实测数据训练并验证模型,然后基于研究区输入因子数据估算得到区域地下水埋深分布,可有效解决传统地下水监测网络覆盖不足的问题,并能够以较高的空间分辨率刻画区域地下水埋深分布特征,为区域地下水资源可持续利用和生态保护提供科学支持。本发明方法具有通用性,适用于不同区域和多种数据条件下的地下水埋深预测。

    兼顾时空分辨率优化的修复剂迁移地球物理实时监测方法

    公开(公告)号:CN119247492A

    公开(公告)日:2025-01-03

    申请号:CN202411719891.6

    申请日:2024-11-28

    Applicant: 南京大学

    Abstract: 本发明公开了一种兼顾时空分辨率优化的修复剂迁移地球物理实时监测方法,属于适用于特定功能的数据处理领域。方法包括:从综合数据集中选取指定数量的四电极测量配置,获取ERT勘测结果,进行反演,确定后续勘测的目标区域;根据上次勘测确定的目标区域,使用非支配排序遗传算法II求解本次勘测的多目标优化模型,并获得帕累托前沿;综合考虑空间分辨率和数据采集时间,从帕累托前沿中选择一个最优解,进行反演后确定下一次勘测的目标区域;在随后的一系列时移ERT勘测优化中重复上述优化求解和反演过程,得到最终的修复剂迁移监测结果。本发明实现了空间分辨率和数据采集时间之间的有效平衡,并提高了修复剂分布重构的准确度。

    基于卷积神经网络融合地下水位及自然电位数据识别非高斯含水层参数的方法

    公开(公告)号:CN114460653B

    公开(公告)日:2025-01-03

    申请号:CN202210105324.6

    申请日:2022-01-28

    Applicant: 南京大学

    Abstract: 本发明公开了基于卷积神经网络融合地下水位及自然电位数据识别非高斯含水层参数的方法,包括:1:利用非高斯含水层参数场样本训练CVAE网络,并从标准正态分布中采样,对潜向量z的估计集合进行初始化;2:将潜向量z估计集合输入至训练后的CVAE解码器中,重构出相应的非高斯含水层参数场估计集合;3:在谐波抽水试验期间,基于重构出的非高斯含水层参数场估计集合,运行水文地球物理正演模型,得到水力水头和自然电位模拟数据;4:结合水力水头与自然电位观测数据,采用ESMDA方法迭代更新潜向量z估计集合;重复2至4,直至达到最大迭代次数;5:对于更新得到的潜向量z的后验集合,通过CVAE解码器,重构获得非高斯含水层参数场的推估结果。

    一种基于可解释贝叶斯卷积网络的地下水位概率预报方法

    公开(公告)号:CN117933316A

    公开(公告)日:2024-04-26

    申请号:CN202410339570.7

    申请日:2024-03-25

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于可解释贝叶斯卷积网络的地下水位概率预报方法,利用前沿时序预报模型和贝叶斯方法实现地下水位可靠概率预报,再利用解释算法识别量化各个输入特征对地下水位预报结果的贡献度。本发明能够基于一维时间序列的周期特征,将一维时间序列转换到二维空间上,再通过卷积网络提取序列的周期特征,从而实现地下水位可靠预报。本发明融合了蒙特卡洛丢弃贝叶斯方法和SHAP可解释性方法,量化了预报结果的不确定性和输入特征对预报结果的贡献度,实现了地下水位概率和可解释预报。基于地下水位监测数据和气象数据,本发明能够实现地下水位未来一个月变化的可靠预报,为地下水资源优化配置和生态环境保护提供决策支撑。

Patent Agency Ranking