基于深度学习参数化策略的CO2地质封存反演模拟方法

    公开(公告)号:CN119203780A

    公开(公告)日:2024-12-27

    申请号:CN202411582981.5

    申请日:2024-11-07

    Applicant: 南京大学

    Abstract: 本发明公开了基于深度学习参数化策略的CO2地质封存反演模拟方法,利用深度学习方法对CO2地质封存储层的复杂渗透率场进行参数化降维表征,以一组低维正态分布的潜向量表征非均质渗透率场的分布特征,减少了CO2地质封存数值模拟中的待估参数数量。本发明通过将基于深度学习的参数化方法和多重数据同化迭代集合平滑算法相结合,反演时只需要循环更新低维潜向量,即可高效推估复杂储层的非均质渗透率场,进而提高数值模型对CO2地质封存过程的模拟预测精度。该发明通过有效推估CO2地质封存储层的复杂渗透率分布,提高了对CO2迁移转化过程的模拟刻画精度,可为CO2地质封存项目的优化运营和风险管理提供技术支撑。

    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:CN117933316B

    公开(公告)日:2024-05-31

    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。

    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:CN117933103B

    公开(公告)日:2024-05-31

    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。

    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:CN117610319A

    公开(公告)日:2024-02-27

    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。

    一种不确定性条件下DNAPL污染场地修复的多目标优化方法

    公开(公告)号:CN114386329A

    公开(公告)日:2022-04-22

    申请号:CN202210025261.3

    申请日:2022-01-11

    Applicant: 南京大学

    Abstract: 本发明公开了一种不确定性条件下DNAPL污染场地修复的多目标优化方法,首先,基于含水层非均质性及DNAPL污染源区的双重不确定性条件下,构建多目标优化模型,以表面活性剂修复井的注入量作为决策变量,以最小化SEAR修复总费用f1和最小化修复后NAPL相的分布范围为优化目标,以修复井的注入量为约束条件;其次,为提高多相流多目标优化的计算效率,构建深度卷积神经网络模型,替代计算量耗时的SEAR修复DNAPL多相流数值模型;最后,采用优化算法调用替代模型对不确定条件下的优化模型进行求解,获得不确定条件下最优的修复方案。本发明能实现不确定条件下DNAPL污染场地最优修复方案的高效获取。

    一种不确定性条件下DNAPL污染场地修复的多目标优化方法

    公开(公告)号:CN114386329B

    公开(公告)日:2025-05-23

    申请号:CN202210025261.3

    申请日:2022-01-11

    Applicant: 南京大学

    Abstract: 本发明公开了一种不确定性条件下DNAPL污染场地修复的多目标优化方法,首先,基于含水层非均质性及DNAPL污染源区的双重不确定性条件下,构建多目标优化模型,以表面活性剂修复井的注入量作为决策变量,以最小化SEAR修复总费用f1和最小化修复后NAPL相的分布范围#imgabs0#为优化目标,以修复井的注入量为约束条件;其次,为提高多相流多目标优化的计算效率,构建深度卷积神经网络模型,替代计算量耗时的SEAR修复DNAPL多相流数值模型;最后,采用优化算法调用替代模型对不确定条件下的优化模型进行求解,获得不确定条件下最优的修复方案。本发明能实现不确定条件下DNAPL污染场地最优修复方案的高效获取。

    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:CN119247492B

    公开(公告)日:2025-03-04

    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。

Patent Agency Ranking