数据集概述
本数据集包含用于改进串联神经网络架构（TNNA-AUS）反演方法的训练测试数据、合成示例观测数据、代码文件及说明文档，支持多孔介质多组分反应运移反演建模的研究与验证。
文件详解
- 文档文件：
- Description of the dataset.pdf（PDF格式）：数据集说明文档，提供数据背景与内容概述
- 数据文件：
- 0Network_design_Test_input.dat（.dat格式）：神经网络设计的测试输入数据
- 0Network_design_Train_output.dat（.dat格式）：神经网络设计的训练输出数据
- 0Network_design_Tarin_input.dat（.dat格式）：神经网络设计的训练输入数据
- 0Network_design_Test_output.dat（.dat格式）：神经网络设计的测试输出数据
- 1synthetic_example_observation_0.xlsx（.xlsx格式）：无噪声的合成示例观测数据
- 1synthetic_example_observation_0.01.xlsx（.xlsx格式）：含0.01噪声的合成示例观测数据
- 1synthetic_example_observation_0.05.xlsx（.xlsx格式）：含0.05噪声的合成示例观测数据
- 1synthetic_example_observation_0.1.xlsx（.xlsx格式）：含0.1噪声的合成示例观测数据
- 代码文件：
- Plot_Multiupdate_resultsave.py（.py格式）：多更新结果保存与绘图代码
- INVERSE1023.py（.py格式）：反演相关主程序代码
- Inverse_net.py（.py格式）：反演网络实现代码
- 压缩文件：
- code for TNNA-AUS.rar（.rar格式）：TNNA-AUS反演方法的代码压缩包
适用场景
- 多孔介质反应运移反演建模研究：验证改进串联神经网络架构的性能
- 深度学习反演方法开发：基于训练测试数据优化神经网络设计
- 合成观测数据验证：分析不同噪声水平对反演结果的影响
- 地下水资源与环境工程研究：探索多组分反应运移过程的数值模拟方法
