【技术实现步骤摘要】
本专利技术涉及水文统计学领域，尤其是涉及一种不确定性条件下预测咸水入侵动态的替代建模方法。
技术介绍
1、地下水资源对人类社会发展至关重要。全球城市化与社会进程加速导致地下水需求日益增长，进而引发过度开采问题。这种不合理的开采活动使地下水水位降低，破坏水动力平衡，并导致咸淡水界面的失衡，进而加剧咸水入侵。咸水入侵污染淡水资源，限制经济发展，引发土壤盐碱化和机井损坏，对农业及人类健康造成严重影响。因此，准确预测咸水入侵动态对防治和含水层修复至关重要。
2、一般来说，咸水入侵预测模型主要分为地下水数值模拟模型和机器学习替代模型。数值模拟模型计算复杂、成本高，涉及耦合流动和溶质传递方程，对地质和水文数据的精确度有高要求。这些模型需要考虑盐度分布和详细的区域水文地质条件。相比之下，机器学习替代模型是通过分析数据来构建或优化模型，使其自动学习和适应问题的特征，从而挖掘驱动因素和目标之间潜在相关性，无需确切的区域物理性质。近年来，随着人工智能的迅速发展以及计算能力的不断提升，也有不少研究者证实了将机器学习替代模型用于地下水领域的可行性。
3、以本文档来自技高网...
【技术保护点】
1.一种不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于：S1中所述咸水入侵模型是基于物理模型的地下水溶质运移模型，输入变量为抽注水井的抽注水率，所述氯离子浓度为咸水入侵模型输出结果且为时空可变的变量。
3.根据权利要求1所述的不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于：S2中采用拉丁超立方采样法获取训练集的输入样本；
4.根据权利要求1所述的不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于，S3中采用人工...
【技术特征摘要】
1.一种不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于：s1中所述咸水入侵模型是基于物理模型的地下水溶质运移模型，输入变量为抽注水井的抽注水率，所述氯离子浓度为咸水入侵模型输出结果且为时空可变的变量。
3.根据权利要求1所述的不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于：s2中采用拉丁超立方采样法获取训练集的输入样本；
4.根据权利要求1所述的不确定性条件下预测咸水入侵动态的替代建模方法，其特征在于，s3中采用人工神经网络法建立咸水入侵替代预测模型具体为：
5.根据权利要求1所述的不确定性条...
【专利技术属性】
技术研发人员：尹吉娜，黄宇露，鲁春辉，孙甲智，张江江，南统超，叶逾，谢一凡，刘柱，
申请(专利权)人：河海大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。