[发明专利]一种基于深度学习的含水层结构阶段式随机反演识别方法

权利要求书

1.一种基于深度学习的含水层结构阶段式随机反演识别方法，其特征在于：包括以下步骤：

S1、收集场地先验资料，设置含水层结构参数的先验分布；

S2、基于所述含水层结构参数的先验分布，随机生成含水层结构参数样本，构成第一阶段溶质运移模拟替代模型的训练样本，训练所述第一阶段溶质运移模拟替代模型；

S3、采集含水层结构参数初始样本，基于所述第一阶段溶质运移模拟替代模型，对含水层结构参数进行反演，获取后验含水层结构参数，包括：

S3.1、基于所述含水层结构参数先验分布，提取第一阶段含水层结构参数的初始样本，随机生成第一阶段含水层结构，输入所述第一阶段溶质运移模拟替代模型，获得对应的第一阶段水头、浓度预测值；

S3.2、采集第一阶段水头、浓度实测值，比较所述第一阶段水头、浓度预测值和所述第一阶段水头、浓度实测值，更新第一阶段含水层结构参数，基于更新后的所述第一阶段含水层结构参数，更新所述第一阶段含水层结构，更新所述第一阶段水头、浓度预测值，重复步骤S3.2，直到预设的迭代次数，提取最终更新的所述第一阶段含水层结构参数，获得所述后验含水层结构参数；

S4、基于所述后验含水层结构参数，构建并训练含水层结构生成模型；

S5、基于所述场地先验资料，构建并训练第二阶段溶质运移模拟替代模型；

S6、采集观测数据，基于训练好的所述含水层结构生成模型和所述第二阶段溶质运移模拟替代模型，对所述含水层结构生成模型的输入参数进行反演，包括：

S6.1、随机生成若干所述含水层结构生成模型的潜在变量样本，基于所述潜在变量样本训练所述含水层结构生成模型，获得第二阶段含水层结构，生成对应的第二阶段水头、浓度预测值；

S6.2、比较所述第二阶段水头、浓度预测值和所述水头、浓度实测值，更新所述潜在变量样本，基于更新后的所述潜在变量样本，更新所述第二阶段含水层结构，更新所述第二阶段水头、浓度预测值，重复步骤S6.2，直到预设的迭代次数，提取最终更新的所述潜在变量样本，获得所述含水层结构生成模型的输入参数；

S7、将反演后的所述输入参数输入到含水层结构生成模型中，获得后验含水层结构。

2.根据权利要求1所述的基于深度学习的含水层结构阶段式随机反演识别方法，其特征在于：所述S2包括：

S2.1、基于所述含水层结构参数的先验分布，随机生成含水层结构参数样本，利用指示克里金模型，生成第一阶段含水层结构，获取所述第一阶段含水层结构对应的第一阶段状态场，构成第一阶段溶质运移模拟替代模型的第一阶段训练样本；

S2.2、归一化所述第一阶段训练样本；

S2.3、构建第一阶段溶质运移模拟替代模型，利用归一化后的所述第一阶段训练样本训练所述第一阶段溶质运移模拟替代模型。

3.根据权利要求1所述的基于深度学习的含水层结构阶段式随机反演识别方法，其特征在于：所述S4包括：

S4.1、基于所述后验含水层结构参数，生成若干个第一阶段含水层结构样本，其中，若干个所述第一阶段含水层结构样本作为含水层结构生成模型的训练样本；

S4.2、构建所述含水层结构生成模型，利用若干个所述第一阶段含水层结构样本训练所述含水层结构生成模型。

4.根据权利要求3所述的基于深度学习的含水层结构阶段式随机反演识别方法，其特征在于：所述S5包括：

S5.1、基于所述场地先验资料，随机生成若干潜在变量，将所述潜在变量输入训练好的所述含水层结构生成模型，获得第二阶段含水层结构，生成对应的水头、浓度分布场，建立第二阶段溶质运移模拟替代模型的第二阶段训练样本集；

S5.2、归一化所述第二阶段训练样本；

S5.3、构建第二阶段溶质运移模拟替代模型，利用所述第二阶段训练样本训练所述第二阶段溶质运移模拟替代模型。