基于贝叶斯迁移学习的区域湖库水质不确定性模拟方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于贝叶斯迁移学习的区域湖库水质不确定性模拟方法
申请号:CN202510874396
申请日期:2025-06-27
公开号:CN120388638B
公开日期:2025-08-22
类型:发明专利
摘要
本发明公开了基于贝叶斯迁移学习的区域湖库水质不确定性模拟方法,包括以下步骤:S1、收集区域多个湖库水质自动监测数据,并对监测数据进行预处理;S2、对多个湖库分别进行编号,将湖库分为目标域与源域,并选定需要进行模拟的水质指标作为目标指标;S3、采用贝叶斯加性回归树在源域构建目标指标模拟模型,并采用交叉验证策略进行模型训练;S4、采用目标域的数据对源域中目标指标模拟模型进行参数更新,构建目标域目标指标的贝叶斯迁移模型,并进行目标域水质目标指标的不确定性模拟;S5、根据贝叶斯迁移模型的输出结果,识别影响目标域水质目标指标均值和不确定性的关键因子,解析关键因子对目标域水质指标波动的驱动机制。
技术关键词
模拟模型 指标 水质 蒙特卡洛 卡尔曼滤波法 因子 样本 异常数据 状态空间模型 贝叶斯模型 推断方法 参数 变量 观测噪声 协方差矩阵 预测误差 机制 序列