May, 2024

社会水文学的强化学习

PDF
TL;DR通过一个关于土地利用变化下径流减少问题的简单案例研究，我们讨论了强化学习在解决社会水文问题中提供了一种有效且高效的框架。强化学习之所以在这类问题中具有功效，是因为它能够以迭代方式更新策略，而这也是社会水文学的基础，我们关注的是人水互动的共同演化。我们还讨论了强化学习在这类问题中的好处，并分享了对未来研究方向的观点。
reinforcement learningsociohydrology problemspolicy updateco-evolutionrunoff reduction
发现论文，激发创造
  • 水力分布网络实际应用中优化泵站可持续性的混合强化学习

    本文介绍了一种改进的 “混合强化学习” 方法，通过将强化学习与历史数据相结合，提高了泵站调度优化的可操作性，增强了智能体的行为解释能力，并最小化错误，从而显著改善了实际水配管网络的可持续性、操作效率和对新出现情况的动态适应能力。

    Oct, 2023

  • 利用深度强化学习促进共享资源问题上的可持续人类行为

    使用深度强化学习设计资源分配机制以促进可持续的人类行为。

    Apr, 2024

  • 大涡模拟中的深度强化学习用于湍流建模

    本论文基于强化学习理论，通过卷积神经网络建立了大涡模拟中湍流参数、长时间稳定的模拟、精度等方面都优于传统分析模型的涡黏度动态自适应模型，并将其推广到不同分辨率和离散化的场景，为完成大涡模拟提供一种持续、准确和稳定的参数化框架。

    Jun, 2022

  • 利用深度强化学习在田地中优化灌溉效率

    本研究提出使用深度强化学习的 DRLIC 灌溉系统来优化灌溉效率，通过考虑当前土壤水分测量和未来水分损失的最优控制策略，实现了水源节约高达 9.52%。

    Apr, 2023

  • 利用高维度传感器反馈的深度强化学习进行灌溉调度

    该研究采用深度强化学习技术，提出了一种有效的灌溉方法，旨在为农民提高粮食产量和效益。对于考虑的每天，决策规则基于九个状态变量输入，返回每天五个不同灌溉量的概率性建议，经过测试证明该决策规则可以在大多数情况下同时实现最高的灌溉效益和经济效益。

    Jan, 2023

  • 基于模型的深度强化学习加速流体模拟的学习

    深度强化学习在闭环流控问题中应用模拟环境进行优化，通过模型和流模拟样本相互交替训练，有效减少流控应用中的计算时间，尤其对于复杂流模拟有着潜在的巨大节约。

    Feb, 2024

  • 强化学习在空间资源分配中的应用调查

    本文总结和回顾了近期利用强化学习解决空间资源分配问题的理论方法和应用研究，提供了其基本原理、相关方法论和应用研究的综合概述，同时突出了未解决问题的一些紧迫性需求。

    Mar, 2024

  • 深度强化学习优化地下系统不确定地质条件下的井控

    本文提出了一种基于深度强化学习（DRL）的一般控制策略框架，用于地下流动环境中的闭环决策制定。针对数据同化 / 历史匹配和鲁棒优化步骤中的挑战，将闭环油藏管理（CLRM）问题表示为一个部分可观察的马尔科夫决策过程，并使用近端策略优化算法来解决相关的优化问题。数据集由多个地质模型场景合集构成，训练结果表明相对于既有地质模型的鲁棒优化以及传统的 CLRM 方法，基于 DRL 的方法在油水注入生产中的净现值（NPV）获得了 15% 和 33% 的提升，并且相对于传统 CLRM 平均提升了 4% NPV，并且在多种地质模型场景中均能发挥较好的效果。

    Mar, 2022

  • 填充 - 溢出：深度强化学习策略梯度方法用于水库操作决策与控制

    研究采用深度强化学习方法（DDPG、TD3 和 SAC18 和 SAC19）分析并找到了加利福尼亚州福尔桑水库的最佳操作政策，结果表明 TD3 和 SAC 方法能够满足水库需求并优化其运行策略。

    Mar, 2024

  • 数据效率的分层强化学习

    本文研究如何构建通用且高效的层次强化学习算法，其中较低层的控制器通过自动学习和提出的目标来实现上级控制器的监督，并使用脱离策略的经验来提高效率。我们称此算法为 HIRO，并在模拟机器人上的实验中表现出高性能和高样本效率。

    May, 2018