-
公开(公告)号：CN101697172B
公开(公告)日：2011-06-01
申请号：CN200910036265.6
申请日：2009-10-12
申请人： 南京大学
摘要： 本发明公开了一种水文频率线型参数估计方法，其将模拟退火遗传算法(SAGA)和极大似然法(ML)联合使用，建立了SAGA-ML法：即将似然函数相反数求解极小值的表达式作为目标函数，依据矩法估计参数取值范围作为约束条件，然后应用SAGA进行参数估计。与常规ML法思路有本质不同，SAGA-ML法通过遗传算法进行参数优化。通过蒙特卡罗试验，验证了SAGA-ML法在参数估计和不同频率设计值估计两个方面均具有很好的准确性；同时该方法不受线型类型、参数数目和约束条件的限制；可以避免应用常规ML法时出现似然方程无解等情况；且求解过程简便快捷，使ML法在理论上和实际应用中都成为有效的方法。
-
公开(公告)号：CN102033851A
公开(公告)日：2011-04-27
申请号：CN201010297456.0
申请日：2010-09-30
申请人： 南京大学
IPC分类号： G06F17/00
摘要： 本发明公开了一种水文时间序列小波互相关分析方法，首先选择小波函数和时间尺度范围，然后对待分析的水文时间序列进行连续小波变换分析；计算水文时间序列在不同时间尺度上及不同时滞下的小波互协方差；求解两序列在不同时间尺度上及不同时滞下的小波互相关系数，计算小波互相关度以描述两序列在整体时间域上的互相关程度，绘制小波互相关系数等值线图，实现对时间序列之间互相关关系进行时频综合分析。实例分析结果显示了小波互相关分析方法的有效性和优越性，该方法能够分析和定量描述非平稳时间序列在特定时间尺度和指定时滞下的互相关关系，可克服传统互相关分析方法的局限，具有更好的灵活性和适用性。
-
公开(公告)号：CN101604356B
公开(公告)日：2011-01-12
申请号：CN200910033616.8
申请日：2009-06-24
申请人： 南京大学
摘要： 本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。
-
公开(公告)号：CN101582096A
公开(公告)日：2009-11-18
申请号：CN200910033592.6
申请日：2009-06-24
申请人： 南京大学
摘要： 本发明公开了一种地下水溶质运移数值模拟中减少误差的方法，其是在水动力弥散系数上加上一个数值弥散估算值，得到一个修正弥散系数，用其替代方程中有明确物理意义的水动力弥散系数进行计算。并提出了一个新的参数-数值弥散因子(NDF)，可以根据研究需要进行参数分区并适当调节该因子的大小，从而达到控制数值振荡，减小数值弥散的目的。从一维到二维的多个数值算例的模拟计算结果表明，新方法能在消除数值振荡的基础上，较好地减少数值弥散，达到令人满意的精度。
-
公开(公告)号：CN109358128B
公开(公告)日：2024-04-09
申请号：CN201811466516.X
申请日：2018-12-03
申请人： 南京大学
摘要： 本发明属于水质分析领域，具体涉及一种有机氮‑有机碳串联式在线检测方法与装置。检测装置与体积排阻色谱系统联用，检测装置包括脱碳氧化系统、有机氮检测系统、有机碳检测系统和电子控制系统；脱碳氧化系统后侧连接有机氮和有机碳检测系统，各系统之间可拆分连接，有机氮和有机碳检测系统的前后顺序可调，当脱碳氧化系统依次连接有机碳检测系统、有机氮检测系统时，增大有机氮检测系统管路直内径或缩短管路长度，以减小对有机碳检测系统的压力。本发明的检测装置，通过将有机氮和有机碳检测系统串联，使得有机碳和有机氮的检测延迟时间小于8秒，只需要一套氧化系统，无需调整分路之间的管径和长度来调节分流比，提高了长期监测的准确度。
-
公开(公告)号：CN112149353B
公开(公告)日：2024-03-22
申请号：CN202011014665.X
申请日：2020-09-24
申请人： 南京大学
IPC分类号： G06F30/27 , G06N3/0464 , G06F18/214 , G06F113/08
摘要： 本发明公开一种基于卷积神经网络识别DNAPL污染物在地下含水层分布的方法，首先，使用CVAE神经网络对非平稳DNAPL饱和度和有效渗透系数场进行参数化；其次，训练CVAE神经网络生成具有物理意义的污染源区结构样本；最好，将CVAE与ESMDA结合，同时考虑多源观测数据，在观测数据有限的前提下，实现DNAPL污染源区的精细识别。本发明在利用同等数据量的情况下，大大提高污染物识别精度，为后期的污染物修复提供有益指导，降低修复成本；并以较低的成本实现较高的污染物识别精度。
-
公开(公告)号：CN117132023B
公开(公告)日：2024-02-02
申请号：CN202311372396.8
申请日：2023-10-23
申请人： 南京大学
IPC分类号： G06Q10/063 , G06Q50/06 , G06N3/048 , G06F17/10
摘要： 本发明公开了基于可解释深度学习的区域陆地水储量变化归因分析方法，首先确定研究区以及研究期范围，确定研究区内潜在的水文气象驱动因子，获取研究区内驱动因子的月时间序列数据和陆地水储量变化的月时间序列数据，并将陆地水储量变化数据和水文气象驱动因子数据按平均法统一重采样至 空间网格进行重组构建数据样本，划分训练集和测试集，进而训练构建深度神经网络模型；最后，利用SHAP解释算法获得每个空间格点中各驱动因子对陆地水储量变化的贡献度，利用贡献度分析方法进行陆地水储量变化归因分析。本发明刻画了陆地水储量变化和驱动因子之间复杂的非线性映射关系，更准确解释驱动因子对区域陆地水储量变化的贡献和影响机制。
-
公开(公告)号：CN117132023A
公开(公告)日：2023-11-28
申请号：CN202311372396.8
申请日：2023-10-23
申请人： 南京大学
IPC分类号： G06Q10/063 , G06Q50/06 , G06N3/048 , G06F17/10
摘要： 本发明公开了基于可解释深度学习的区域陆地水储量变化归因分析方法，首先确定研究区以及研究期范围，确定研究区内潜在的水文气象驱动因子，获取研究区内驱动因子的月时间序列数据和陆地水储量变化的月时间序列数据，并将陆地水储量变化数据和水文气象驱动因子数据按平均法统一重采样至空间网格进行重组构建数据样本，划分训练集和测试集，进而训练构建深度神经网络模型；最后，利用SHAP解释算法获得每个空间格点中各驱动因子对陆地水储量变化的贡献度，利用贡献度分析方法进行陆地水储量变化归因分析。本发明刻画了陆地水储量变化和驱动因子之间复杂的非线性映射关系，更准确解释驱动因子对区域陆地水储量变化的贡献和影响机制。
-
公开(公告)号：CN116680570A
公开(公告)日：2023-09-01
申请号：CN202310736821.0
申请日：2023-06-21
申请人： 南京大学
IPC分类号： G06F18/214 , G06F18/27 , G06F17/16 , G06N3/0464 , G06N3/08
摘要： 本发明公开了基于Transformer网络的地下水溶质弥散系数及迁移速度预测方法，具体步骤为：首先需要生成三维多孔介质，采用格子玻尔兹曼法(Lattice Boltzmann Method，LBM)模拟多孔介质内流场，粒子追踪法模拟溶质运移过程并得到穿透曲线；通过污染物一维迁移方程解析解与SciPy优化算法反演地下水溶质纵向弥散系数DL与迁移速度u；构建分子扩散系数Dm与平均孔隙流速u′的参数矩阵并加入多孔介质灰度图像，由此与反演参数纵向弥散系数DL、迁移速度u组成输入‑输出样本对数据集；将数据集划分为训练集、验证集与测试集并依次应用于PhyCNN‑Transformer多输出回归模型，实现对反演参数的精确预测。
-
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
申请人： 南京大学
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
165 条记录 (耗时 0.052 秒)
