本发明属于水文学及水资源领域,公开了一种基于自适应深度神经网络替代模型的海水入侵管理模型和计算方法(Adaptive Deep Neural Networks surrogate model based multi‑objective coastal aquifer management model,ADNNCAM)。该技术采用海水入侵模拟程序SEAWAT来模拟抽水条件下海水入侵的动态过程,采用深度神经网络方法DNN训练海水入侵替代模型。优化模型采用了一种基于ε‑dominance排序的多目标进化算法(epsilon Multi‑Objective Memetic Algorithm,ε‑MOMA)。为了提高近似最优解的数值预测的精度,在优化过程中,采用多阶段动态采样方法对海水入侵模型进行自适应训练。ADNNCAMε‑MOMA为第一个考虑海水入侵模型大规模计算瓶颈的问题,而提出将自适应海水入侵替代模型与基于进化算法的优化求解模型相耦合,可为解决海水入侵区地下水资源合理开发利用和海水入侵防控问题提供一个固定的技术方法体系。
本发明公开了一种基于改进OIF的光谱图像最佳波段的选择方法、系统及存储介质。本发明基于图像信息熵改进最佳指数法(Optimum Index Factor,OIF),既能用于超光谱波段选择,也能用于多光谱和超光谱波段选择,并且选取的是最佳组合波段,选择的波段数由用户自行设定。基于图像信息熵改进OIF用于最佳组合波段的选择,充分利用了不同波段间光谱图像的相关性信息以及光谱图像包含的信息量的信息,使得所选组合波段的相关性小,所包含信息量大且冗余信息少。