基于SWMM-贝叶斯耦合方法的排水管网污染溯源

为解决雨水管道中未经处理的污水直接排放造成的一系列水污染问题和排水管网环境复杂性导致的反问题不确定性问题,基于暴雨洪水管理模型(SWMM)模拟的排水管网水质变化,采用MatSWMM工具箱构建了基于贝叶斯-马尔可夫链蒙特卡罗法的SWMM-贝叶斯溯源模型,估算每个潜在污染源的位置、排放量和排放时间的概率分布。实例验证结果表明:在推理单污染源单个未知参数的情况下,SWMM-贝叶斯溯源模型可准确判断未知参数的真实值;当单污染源3个参数均未知时,由于存在多种组合性,溯源准确度将显著降低,只能判断出近似范围,但可以通过增加适当的水质监测点,提高SWMM-贝叶斯溯源模型的准确性和效率;对于最大污染源为2个的情况,SWMM-贝叶斯溯源模型容易陷于局部最优解,通过利用似然函数对迭代过程的初始值进行择优处理的方法改进溯源模型,可以有效解决局部最优解的问题。

基于贝叶斯网和RoBERTa的文本派生关系挖掘方法

对不实信息进行溯源分析是抑制社交网络中不实信息传播的重要手段,传统数据溯源方法主要针对结构化数据,难以准确判断文本之间的派生关系。针对这些问题,提出一种基于贝叶斯网和RoBERTa的文本派生关系挖掘方法,通过RoBERTa模型获得文本向量;通过RoBERTa模型初步预测文本间的派生关系,得到文本是否具有派生关系的分类标签;基于向量距离、文本距离、时间跨度和文本分类标签构建贝叶斯网,对文本派生关系进行判断。实验结果表明,所提方法查准率、查全率、F 1值均高于对比方法,验证了该方法的有效性。