成果简介
针对物理神经网络在岩溶流域复杂大求解域水文水动力耦合计算的失效问题，以及传统前期影响雨量计算时固定前期影响天数、时间尺度和衰减系数导致的干湿事件辨识精度差的问题，通过水文水资源学、人工神经网络、智能优化等多学科交叉融合，提出嵌入硬约束与自动混合精度优化举措的残差协同神经网络，实现不同时间尺度前期最优影响天数和衰减系数的实时优化，并提出适用于岩溶流域不同时间尺度的干旱事件精准辨识技术，集成了复杂岩溶流域多要素耦合的平陆运河水资源智能优化配置技术，成果可为复杂大求解域快速求解、岩溶流域干湿事件精准辨识以及平陆运河水资源智能优化配置提供科技支撑。
应用前景
本成果特色：
残差神经网络大求解域高效计算
流域前期雨量衰减系数实时优化
岩溶非岩溶区干湿事件精准辨识
多尺度耦合水资源智能优化配置
成熟度
本成果已发表学术论文2篇[①Identification of dry and wet events in karst and non-karst areas of Guangxi based on a novel optimization method involving the antecedent precipitation attenuation coefficient. Journal of Hydrology, 2024, 628: 130522; ②Hydrodynamic numerical simulations based on residual cooperative neural network. Advances in Water Resources, 2023, 180: 104523]、获授权国家发明专利1项，提出了复杂岩溶流域多要素耦合的平陆运河水资源智能优化配置集成技术，突破了复杂大求解域求解失效、岩溶流域干湿事件精准辨识以及区域多时间尺度耦合的水资源智能优化配置的所有技术障碍，为提高平陆运河水资源供水保障率、进一步服务平陆运河水资源优化配置奠定重要基础。
成果展示
知识产权情况
成果完成人
土木建筑工程学院：李勋贵
成果转化，请联系成果与合作处，联系人：刘老师，联系电话：0771-3272162。