重构浓度场更准
用条件生成对抗网络结合物理模型，从稀疏观测中同时还原污染分布并精准识别污染源。
Yan, Hengnian · Zheng, Qiang · Zeng, Lingzao
Journal of Hydrology 2024
训练时以数值运移模型为先验，生成器学到的浓度场满足对流-弥散方程约束，避免了纯数据驱动方法违背物理规律的问题。
判别器不仅判断浓度场真实与否，还直接从重构图像中提取污染源信息，实现浓度场表征与源识别的耦合。
相比克里金法和反距离加权法，CGANs重构的浓度场误差更小，特别是在水力传导系数非均质性强的复杂场中优势明显。
CGANs的随机性输入允许生成多种可能的浓度场实现，从而量化重构结果的不确定性，这是确定性插值方法无法提供的。