-
公开(公告)号：CN113792476A
公开(公告)日：2021-12-14
申请号：CN202110910709.5
申请日：2021-08-09
Applicant: 南京大学
Abstract: 本发明公开了一种基于优化‑自适应稀疏网格的替代模型方法，所述方法针对现有维数局部自适应稀疏网格(DimensionalAdaptive‑Local Adaptive‑Sparse Grid，DA‑LA‑SG)替代模型方法的不足，将DA‑LA‑SG方法与斥力粒子群优化(RepulsiveParticle Swarm Optimization,RPSO)算法耦合，构建OA‑SG替代模型，通过RPSO算法有效识别目标函数的极值区域，实行分区自适应标准，即极值区域内自适应标准值维持不变而极值区域外的自适应标准值提高一个数量级，进一步提到稀疏网格的构造效率。在构建解析函数替代模型的案例分析中表现出较好的格点分布效果，相对于现有的DA‑LA‑SG替代模型，能用更少的替代模型成本达到更高的替代精度。
-
公开(公告)号：CN109284555A
公开(公告)日：2019-01-29
申请号：CN201811135485.X
申请日：2018-09-28
Applicant: 南京大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于多孔介质几何形状估计渗透率的网格随机游走方法，该方法首先将孔隙空间从数值化的多孔介质中分离并离散化；假定孔隙与固体骨架的交界面为吸收边界，介质外壁为反弹边界；选定介质外壁上一点，用行走器在孔隙离散网格上重复模拟若干次随机游走实现，行走器一旦接触吸收边界立即被吸收，导致行走终止；对出发点集内每个出发点都重复若干次随机游走；行走器被吸收的位置相对于外壁的深度为穿透深度，对所有的穿透深度做平均，得到估计的平均穿透深度；根据平均穿透深度估算多孔介质渗透率。与现有技术相比，本发明方法精度更高，而且计算简便、效率高，对孔隙形状无特殊要求，适用性更强。
-
公开(公告)号：CN105975444A
公开(公告)日：2016-09-28
申请号：CN201610349745.8
申请日：2016-05-24
Applicant: 南京大学
CPC classification number: G06F17/18 , G06F17/5009 , G06Q10/04
Abstract: 本发明提供了一种基于信息熵的地下水数值模拟不确定性定量分析方法，将预测变量概率分布的信息熵作为该变量的不确定性大小，根据贝叶斯模型平均方法的预测公式和信息熵理论，将地下水预测不确定性分解为模型结构、模型参数和各概念模型预测分布间的重叠不确定性。能够度量各种概率分布类型随机变量的不确定性大小，克服了传统方差法只能度量正态分布的缺陷，扩展了不确定性定量分析的应用范围；将地下水数值模拟不确定性分解为模型参数、模型结构和重叠不确定性等三部分，能够克服传统方差法无法描述模型间重叠不确定性的缺点；将模型参数不确定性定义为各概念模型内部（参数）不确定性权重和减去模型间重叠的不确定性，从而能够对各部分不确定性进行更加准确、合理的描述。
-
公开(公告)号：CN113792476B
公开(公告)日：2023-09-01
申请号：CN202110910709.5
申请日：2021-08-09
Applicant: 南京大学
Abstract: 本发明公开了一种基于优化‑自适应稀疏网格的替代模型方法，所述方法针对现有维数局部自适应稀疏网格(DimensionalAdaptive‑Local Adaptive‑Sparse Grid，DA‑LA‑SG)替代模型方法的不足，将DA‑LA‑SG方法与斥力粒子群优化(RepulsiveParticle Swarm Optimization,RPSO)算法耦合，构建OA‑SG替代模型，通过RPSO算法有效识别目标函数的极值区域，实行分区自适应标准，即极值区域内自适应标准值维持不变而极值区域外的自适应标准值提高一个数量级，进一步提到稀疏网格的构造效率。在构建解析函数替代模型的案例分析中表现出较好的格点分布效果，相对于现有的DA‑LA‑SG替代模型，能用更少的替代模型成本达到更高的替代精度。
-
公开(公告)号：CN116127718A
公开(公告)日：2023-05-16
申请号：CN202211641359.8
申请日：2022-12-20
Applicant: 南京大学
IPC: G06F30/20 , G01N33/18 , G01D21/02 , G06Q50/26 , G06F17/18 , G06F113/08 , G06F119/14
Abstract: 本发明涉及典型地下水系统中DNAPLs污染分析方法及系统，具体为先收集DNAPLs污染研究区域信息，然后基于DNAPLs污染研究区域信息，确定研究区域范围，概化影响DNAPLs污染分布的特征，判断地下水流向和流态，确定相应初始条件、边界条件、补给条件和排泄条件，构建典型地下水系统，并在典型地下水系统的基础上识别地下水系统中DNAPLs污染物性质、污染来源、污染释放机制和污染源区结构，确定DNAPLs在地下水系统中的迁移路径和迁移转化机制，构建典型地下水系统中DNAPLs污染模型，进而利用DNAPLs运移的数值模型对DNAPLs污染进行分析；本发明解决了目前通过对地下水系统中DNAPLs污染的研究而建立的概念模型常与实际地下水系统中DNAPLs污染物情况整体准确性相差较大的问题。
-
Patent Agency Ranking
公开(公告)号：CN115081701A
公开(公告)日：2022-09-20
申请号：CN202210659866.8
申请日：2022-06-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于最大熵和高维Copula的水文变量预测方法，包括如下步骤：对所有变量按照时间序列长短及预测时间精度需求划分训练集和测试集，对于所有变量的训练集应用基于矩的最大熵原理进行边际变量的分布推断，进一步筛选基于最优矩最大熵原理的边际变量分布；利用优选的最大熵边际分布建立描述多变量之间依赖关系的C‑vine Copula结构；利用高维条件函数和分位数函数在验证集中生成预测目标。本发明探讨在高维情况下最大熵(POME)和Copula联合应用的适用性，解决了传统的水文概率预测方法在概率密度函数刻画的主观性及高维结构构建的局限性问题，提出一种构建灵活、通用性强的水文概率预测方法。
-
公开(公告)号：CN108932978A
公开(公告)日：2018-12-04
申请号：CN201810750275.5
申请日：2018-07-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于过程模拟及不确定性分析的污染物健康风险评价方法，该方法将健康风险评价与地下水污染物迁移过程相结合，利用TOUGH2软件模拟有机污染物在地下水中的时空分布。为了提高评价结果的可靠性，考虑污染物迁移不确定性对人体健康风险评价的影响，通过马尔科夫链蒙特卡洛模拟方法对关键参数介质渗透率进行反演识别。该方法通过分析污染物运移模拟的不确定性提高风险评价结果的可靠性，为污染场地的管理与防治提供决策信息。
-
公开(公告)号：CN102508997A
公开(公告)日：2012-06-20
申请号：CN201110306927.4
申请日：2011-10-08
Applicant: 南京大学
IPC: G06F19/00
Abstract: 本发明公开一种地下水模型输出不确定性分析方法，其将频率分析与敏感性分析方法相结合。其中频率分析过程包括参数估计与假设检验过程，选择7中具有代表性的分布函数作为备选概率密度函数，并进行假设检验，为地下水位序列选择合适的概率密度函数。敏感性分析方法包括逐步回归分析和互熵分析。逐步回归分析能够对输入变量的不确定重要性进行趋势分析，互熵分析能够对不确定性因子进行良好的识别。该方法能够弥补传统不确定性分析方法在研究内容上的不足，分析输出变量的概率分布特征，识别影响输出变量概率分布的关键不确定性因子。从而更好的理解地下水模型不确定性的产生与来源，为地下水模拟的数据收集工作提供反馈，减少模型的不确定性。
-
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
IPC: G06N3/047 , G06N3/08 , G06F18/214 , G06F18/21
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。
-
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
IPC: G06N3/047 , G06N3/0464 , G06Q10/04 , G06Q50/06
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。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
