Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)邹晨阳获国家专利权

江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)邹晨阳获国家专利权

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!

龙图腾网获悉江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)申请的专利一种非饱和土渗透系数快速动态测定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:CN120253615B

龙图腾网通过国家知识产权局官网在2025-11-18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:202510744495.7,技术领域涉及:G01N15/08;该发明授权一种非饱和土渗透系数快速动态测定方法及系统是由邹晨阳;申斌;吴腾飞;邱峰;蔡园秋;胡松涛;陈芳;李佳豪设计研发完成,并于2025-06-05向国家知识产权局提交的专利申请。

一种非饱和土渗透系数快速动态测定方法及系统在说明书摘要公布了:本发明公开了一种非饱和土渗透系数快速动态测定方法及系统,该方法包括如下步骤:采集目标区域土壤的电阻率数据、介电常数数据和温度数据;对这些数据按统一的时间分辨率进行采集,得到观测数据;基于采集的数据构建土壤非均质单元特征向量;对土壤非均质单元特征向量进行划分,生成初始渗透系数场;构建岩石物理本构模型;融合观测数据与水文动力学模型并联合岩石物理本构模型,动态更新渗透系数场,并应用物理约束进行优化;最后输出更新后渗透系数时空分布及不确定性量化结果;本发明能够实时监测非饱和土壤中的水分变化,精确评估土壤的水分分布情况且能够提前发现土壤的渗漏、滑坡等地质灾害风险。

本发明授权一种非饱和土渗透系数快速动态测定方法及系统在权利要求书中公布了:1.一种非饱和土渗透系数快速动态测定方法,其特征在于,包括如下步骤: 步骤S1:获取目标区域土壤的电阻率数据、介电常数数据和温度数据;所述目标区域土壤为非饱和土体;对目标区域土壤的电阻率数据、介电常数数据和温度数据按统一的时间分辨率进行采集,得到观测数据; 步骤S2:基于采集到的电阻率数据、介电常数数据以及温度数据构建土壤非均质单元特征向量; 步骤S3:基于模糊C均值聚类算法,对土壤非均质单元特征向量进行划分,以识别和分类不同的土壤特性,同时生成目标区域土壤初始的渗透系数场; 步骤S4:构建岩石物理本构模型,建立目标区域土壤的电阻率数据、介电常数数据以及初始的渗透系数场中渗透系数与土壤物理参数的非线性关系; 步骤S5:基于渗透系数、土壤温度与土壤物理参数,通过自适应集合卡尔曼滤波算法生成初始集合,将初始集合输入水文动力学模型,生成预测集合,联合岩石物理本构模型,将预测集合映射到观测空间,得到目标区域土壤不同时刻的土壤电阻率数据、介电常数数据、渗透系数的预测值,基于预测值和观测数据动态更新预测集合; 步骤S6:基于更新后的预测集合,输出预测集合中渗透系数的时空分布及不确定性量化结果; 步骤S4的具体过程:分别建立目标区域土壤的电阻率数据、介电常数数据以及初始的渗透系数场中渗透系数与土壤物理参数包括孔隙度、饱和度及体积含水量的定量关系,表示为: 3; 4; 5; 式中,表示胶结因子;、分别表示孔隙度指数与饱和度指数;表示体积含水量;表示与颗粒形状相关的常数;表示饱和度指数;表示水的密度; 构建多参数联合反演方程:将式3、式4及式5联立,形成闭合方程组,并输入目标区域土壤的电阻率数据、介电常数数据,通过牛顿-拉夫森法迭代求解孔隙度和饱和度,然后将求解后的和代入式5,确定渗透系数的计算模型; 步骤S5的具体过程为: 根据目标区域土壤的土壤孔隙度、体积含水量、渗透系数以及土壤温度,构建包含土壤动态状态变量,,和静态参数的初始状态向量: 6; 式中,表示转置; 基于初始状态向量生成初始集合,包括个集合成员,集合成员是在初始状态向量上添加随机扰动得到; 运行水文动力学模型对所有集合成员进行状态预测,具体为:利用水文模型算子预测每个集合成员下一时间步的状态,形成预测集合,表示为: 7; 式中,表示第个集合成员在时刻的状态;表示第个集合成员在时刻的状态;为水文模型算子;为时间步长; 联合岩石物理本构模型,将预测集合映射到观测空间,得到目标区域土壤不同时刻的土壤电阻率数据、介电常数数据、渗透系数的预测值,表示为: 8; 式中,为岩石物理本构模型;表示水文模型算子生成的集合预测; 对比预测值与观测数据并计算卡尔曼增益矩阵,通过卡尔曼增益矩阵更新预测集合,表示为: 9; 10; 式中,为预测误差协方差矩阵;为观测误差;、分别为更新前后的预测集合;表示的转置; 将更新后的预测集合反馈至水文模型算子,进行下一时间步的模拟; 同时,在自适应集合卡尔曼滤波算法反演过程中引入协方差膨胀和局部化,并应用物理约束;重复自适应集合卡尔曼滤波算法的过程,直至预测值与观测值分布一致;收敛标准设定为预测值与观测数据的分布间纳什效率系数NSE>0.8,且连续3次迭代变化<1%。

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江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心),其通讯地址为:330000 江西省南昌市青山湖区北京东路1038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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。