报告详情
基于深度学习融合多源数据的裂隙网络识别研究
编号：2715
访问权限：仅限参会人
更新：2024-04-12 15:59:53 浏览：866次
口头报告
报告开始：2024年05月18日 14:00（Asia/Shanghai）
报告时间：8min
所在会场：[S14] 主题14、水文地球科学 [S14-1] 主题14、水文地球科学 专题14.1、专题14.2、专题14.3（18日下午，B2鹭江厅VIP3）
暂无文件
摘要
裂隙网络的识别对于了解地下水流动和溶质运移以及核废弃物储存是至关重要的。基于深度学习的集成平滑方法在多孔介质的水力参数估计中已经取得诸多成功经验。与多孔介质相比，裂隙场具有高度的非均质性和典型的非高斯分布特征，因此，仅依靠稀疏的钻孔数据估计裂隙场变得非常困难。本文针对裂隙网络的识别，提出了一个联合水文地球物理反演框架，以改进裂隙网络的表征。我们首先训练卷积变分自动编码器(CVAE)网络来对裂隙场进行参数化，然后利用ESMDA方法融合多个数据集来推断裂隙分布。考虑了两个不同复杂度的数值算例，评估了所提出的联合反演框架的识别能力。结果表明，所提出的水文地球物理反演框架能较好地反映裂隙场的主要特征。通过综合压力和SP数据，可以有效提高裂隙网络的识别精度。
关键词
裂隙网络,深度学习,裂隙识别
报告人
邓亚平
讲师 合肥工业大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论