基于神经网络算法的地下水污染物生物降解数值模型中关键参数反演的方法、模型2025

专利内容

本发明公开一种基于神经网络算法的地下水污染物生物降解数值模型中关键参数反演的方法。数据进行预处理和精细化降维，处理高维多尺度数据；搭建物理信息神经网络框架下的多层神经网络架构，嵌入污染物自然衰减过程的相关反应方程，耦合生化反应机理和数据驱动模型；训练神经网络模型，计算训练过程中的误差，利用亚当优化算法提升反演结果的准确性；整合观测数据与模型预测结果，确定数值模型的最终参数设置，开展地下水损害实物量化；开展神经网络参数反演模型的比较验证，确保参数反演方法的可行性和准确性。本发明解决复杂地质条件下地下水污染的实物量化过程中难以精准反演生物降解数值模型关键参数的问题。G06F30/27(2020.01);G06N3/0464(2023.01);G06N3/0442(2023.01);G06N3/084(2023.01);G06N3/0985(2023.01);G06F111/10(2020.01)