-
题名基于DL-ERT模型的地下水渗透系数预测方法研究
- 1
-
-
作者
梁越
舒云林
刘港庆
许彬
赵硕
杨晓霞
-
机构
重庆交通大学河海学院
重庆交通大学国家内河航道整治工程技术研究中心
重庆交通大学水利水运工程教育部重点实验室
重庆市综合交通运输研究所有限公司
-
出处
《防灾减灾工程学报》
北大核心
2025年第5期1032-1041,共10页
-
基金
国家自然科学基金面上项目(52379097)
广西科技计划项目(桂科AA23062023)
+2 种基金
重庆市水利科技重点项目(CQSLK-2024005)
重庆市研究生联合培养基地建设项目(JDLHPYJD2021004)
重庆交通大学研究生科研创新项目(2024S0049)资助。
-
文摘
针对传统方法刻画地下水含水层非均质性时面临的精度不足、预测成本高等问题,基于数值模拟和室内砂箱试验,通过残差网络优化集成卷积门控循环单元(CNN-GRU)的强大数据学习能力和电阻率层析成像法(ERT)运用物理先验信息的优势,提出一种融合物理机理的深度学习算法—DL-ERT模型。将其对比多个传统反演模型,探讨融合算法在地下水含水层的渗透系数刻画精度。结果表明:(1)模型的训练损失和验证损失都快速下降并趋近于零,且两者的收敛几乎同步,表明DL-ERT模型的构建策略优秀,能快速有效的学习数据特征;(2)以某一测试集样本为例,对比ERT、CNN-GRU和DL-ERT对该样本的渗透系数反演云图,发现单一的算法模型均不能同时注重左右两侧的高渗区域刻画,而DL-ERT则对高渗区域表现出极大的预测潜力,其拟合精度达到了0.906;(3)制作室内砂箱试验,将融合算法与传统的克里金插值法、CNN-GRU以及ERT作对比运用,得到各模型的拟合精度值分别为0.895、0.707、0.760和0.836。可以发现,DL-ERT确实在一定程度上弥补了单一算法的不足,相比于单一的CNN-GRU和ERT,其结果的预测精度提升了7%~17%,表明了该模型在工程运用方面的潜力。
-
关键词
渗透系数
电阻率层析
卷积门控循环单元
物理规律
反演预测
-
Keywords
permeability coefficient
resistivity tomography
convolutional gated recurrent unit
physical laws
inversion prediction
-
分类号
TU411
[建筑科学—岩土工程]
-
