买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利基于混合先验策略与深度学习的含水层刻画方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119903347B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510388145.1，技术领域涉及：G06F18/214；该发明授权基于混合先验策略与深度学习的含水层刻画方法及系统是由曹成龙;张江江;尤烽骅;南统超;徐腾;尹吉娜;鲁春辉;叶逾;谢一凡设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本基于混合先验策略与深度学习的含水层刻画方法及系统在说明书摘要公布了：本发明公开了一种基于混合先验策略与深度学习的含水层刻画方法及系统，方法包括：构造混合先验集合；获得混合先验集合中每个参数样本对应的模型输出；对混合先验集合中所有参数样本以及对应的模型输出进行两两相减，得到多个模型输出差及对应的参数差；对深度学习模型进行训练；生成新息向量，并将其代入深度学习模型以获得各样本参数的更新向量；将更新向量与原始参数先验样本相加，得到更新后的参数样本集合；根据更新后的参数样本集合分析含水层参数刻画效果及其不确定性分布。本发明通过混合先验策略与深度学习相结合，有效提高了在先验信息不足条件下的含水层刻画效果，提高了数据同化方法对有偏先验和非高斯分布挑战共存问题的解决效果。

本发明授权基于混合先验策略与深度学习的含水层刻画方法及系统在权利要求书中公布了：1.一种基于混合先验策略与深度学习的含水层刻画方法，其特征在于，包括如下步骤： S1：构造由不同地质结构假设的参数先验样本组成的混合先验集合； S2：运行地下水系统正演模型获得混合先验集合中每个参数样本对应的模型输出； S3：对混合先验集合中所有参数样本以及对应的模型输出进行两两相减，得到多个模型输出差及对应的参数差； S4：将步骤S3得到的输出差与参数差分别作为输入和输出对深度学习模型进行训练； S5：将观测数据与混合先验集合中各样本的模型输出相减，生成新息向量，并将其代入训练好的深度学习模型以获得各样本参数的更新向量； S6：将更新向量与原始参数先验样本相加，得到更新后的参数样本集合； S7：根据更新后的参数样本集合完成含水层参数刻画，并且分析含水层参数刻画效果及含水层参数不确定性分布； 步骤S1的实现具体包括： 基于m种地质结构假设生成其对应的先验样本， 其中上标pm表示第m种地质结构先验假设，下标Nm表示第m种先验假设集合样本数； 混合m种地质结构假设的先验样本集合，得到由m种地质结构假设组成的混合先验集合X＝{Xp1,Xp2,...,Xpm}； 步骤S2具体包括： 将混合先验集合中所有样本代入地下水系统正演模型中，通过求解下列方程得到指定时刻、指定位置处的地下水状态量yP,t： 其中，Ss为含水层储水系数，gP,t为源汇项，P＝{px,py}为位置参数，t代表时间；其中，通量qP,t通过下列方程求解： 其中，xP为位置P处的水力传导系数，为P位置，t时刻的水力梯度；经过上述方程求解，由混合先验集合X＝{Xp1,Xp2,...,Xpm}得到其对应的水头模拟值，即Y＝{Yp1,Yp2,...,Ypm}； 步骤S3具体包括： 对于混合先验集合参数与模型输出 两两匹配相减得到组样本间的参数差Δxi,j＝xi-xj与模型输出差Δyi,j＝yi-yj，其中为混合先验集合样本数； 步骤S4具体包括： 根据Δyi,j与Δxi,j的数据格式，搭建深度学习模型，接着将组Δyi,j作为输入，Δxi,j作为输出代入深度学习模型进行训练，并根据训练数据量与深度学习模型结构设置训练超参数； 步骤S5具体包括： 将观测数据分别与混合先验集合中的模型输出相减，得到新息向量其中i＝1,...,Ne，接着将vi代入训练完成的深度学习模型，得到对各样本参数的更新向量ui。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。