[发明专利]一种基于人工智能的地下水有机污染互馈反演溯源方法

权利要求书

1.一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于，包括以下步骤：

S1、获取监测数据，基于所述监测数据，获得地下水有机污染多相流数值模拟模型；

S2、获取待识别变量，基于所述待识别变量的取值范围，获取训练样本集和检验样本集；

S3、基于所述训练样本集，耦合人工智能方法获得多相流数值模型的智能替代模型；

S4、构建非线性规划优化模型，基于所述多相流数值模型的智能替代模型和所述非线性规划优化模型，获得反演优化模型；

S5、基于所述反演优化模型，所述训练样本集通过同伦变换-群智能优化算法进行反演识别，获得反演识别结果，基于所述反演识别结果更新所述训练样本集；

S6、返回S4,直至获取最终训练样本集；

S7、基于所述最终训练样本集重新建立所述多相流数值模型的智能替代模型，获得更新后的反演识别结果。

2.如权利要求1所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,

所述待识别变量包括污染源特征和污染物迁移参数；

所述污染源特征包括：污染源的纵向坐标、污染源的横向坐标、污染物迁移转化时长和污染物泄漏量；

所述污染物迁移参数包括：孔隙度、渗透率、纵向水相弥散度和横向水相弥散度。

3.如权利要求2所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,获取训练样本集和检验样本集的方法包括：

基于所述待识别变量，采集若干组样本；

将若干组所述样本输入所述地下水有机污染多相流数值模拟模型，获取若干模型响应；

基于所述若干模型响应，获取训练样本集和检验样本集。

4.如权利要求3所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,基于所述训练样本集，耦合人工智能方法获得多相流数值模型的智能替代模型的方法包括：

基于所述训练样本集，通过所述人工智能方法构建高斯过程模型、核极限学习机模型；

获取所述高斯过程模型、所述核极限学习机模型的加权权重和关键参数，采用粒子群优化算法优化所述高斯过程模型和所述核极限学习机模型，获得所述加权权重和所述关键参数的最优值；

基于所述加权权重和所述关键参数的最优值获得所述多相流数值模型的智能替代模型。

5.如权利要求2所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,所述反演优化模型包括污染源特征反演优化模型和含水层参数反演优化模型。

6.如权利要求5所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,获得所述反演识别结果包括：

基于同伦理论，将所述污染源特征反演优化模型进行改写，获取若干同伦优化模型；

基于群智能优化算法，对所述若干同伦优化模型进行求解，获取污染源特征的反演识别结果；

基于所述污染源特征的反演识别结果和所述含水层参数反演优化模型，根据同伦变换-群智能优化算法，获取污染物迁移参数的反演识别结果。

7.如权利要求6所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,基于所述反演识别结果更新所述训练样本集包括：

将所述污染源特征的反演识别结果和所述污染物迁移参数的反演识别结果返回所述训练样本集，更新所述训练样本集。

8.如权利要求7所述的一种基于人工智能的地下水有机污染互馈反演溯源方法，其特征在于,获得所述最终训练样本集的方法包括：基于所述反演识别结果采用改进的自适应更新抽样方法，获得所述最终训练样本集。