公开(公告)号：CN118096968A

公开(公告)日：2024-05-28

申请号：CN202410074321.X

申请日：2024-01-18

Applicant: 南京大学 ,  苏州地智环保科技有限公司

Inventor： 黄蕾 ,  郭昭 ,  任富天 ,  王刚 ,  李晓鹏 ,  黄涛 ,  马晨 ,  刘凡 ,  陆越

IPC: G06T15/00 ,  G06T17/00

Abstract: 本发明公开了一种基于点数据的自适应地下水污染羽三维体渲染方法，属于地下水环境监测技术领域，包括以下步骤：S1、基于自适应体范围生成方法对点数据进行预处理，生成均匀分布在一定三维空间内部的呈正方体形式排列的顶点；S2、基于预处理获得的正方体顶点群，对每个正方体内部的顶点阈值进行判定，结合生成三维体素；S3、基于生成的体素模型，通过三维滤波与线性拉伸消除不合理的空间棱角且增加模型的三维空间感。本发明采用上述的一种基于点数据的自适应地下水污染羽三维体渲染方法，不仅解决了地下水浓度数据点固定、难以直接总览全局的问题，而且解决了地下水浓度数据普遍以点位显示为主、可视性差的问题。

公开(公告)号：CN116522566B

公开(公告)日：2023-09-12

申请号：CN202310814859.5

申请日：2023-07-05

Applicant: 南京大学

Inventor： 黄蕾 ,  任富天 ,  刘凡

IPC: G06F30/18 ,  G06F30/27 ,  G06F30/28 ,  G16C10/00 ,  G16C20/20 ,  G06F17/13 ,  G06N3/084 ,  G06N3/006 ,  G06N3/126 ,  G06F111/04 ,  G06F111/06 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了基于物理信息驱动深度学习模型的地下水监测网优化方法，步骤如下：第一步，基于物理信息驱动神经网络求解地下水流偏微分方程来预测地下水流场和污染物浓度场；第二步，建立地下水环境监测网多优化模型，求解多目标优化模型，优化监测的监测效率。本发明采用上述步骤的基于物理信息驱动深度学习模型的地下水监测网优化方法，一方面，克服了传统以数据驱动的神经网络受数据噪声影响大，泛化能力和可解释性差的缺点；另一方面，克服了传统地下水模型简化水文过程，边界条件和参数多，复杂计算能力差的缺点；提供解决高维问题求解准确度更高、能用更少的数据样本学习到更具泛化能力的地下水监测网优化方法。