科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高河道水位流量数据同化的智能化水平，基于物理信息神经网络(PINNs)提出了圣维南方程组的数据同化方法。采用双输出网络结构解决双输出方程组的同化问题，以模拟的实测数据作为边界条件和初始条件，通过消融试验验证网络中加入时空映射缩放和平衡权重系数对同化模型的有效性，以及所提出同化方法在部分测值缺失情况下的鲁棒性。结果表明，一维非恒定流圣维南方程组的数据同化结果与Preissmann四点隐式差分法结果一致，且随着同化断面数量的增加，所获得的同化精度也稳步提升；基于PINNs的圣维南方程组数据同化方法有效，对非恒定流模拟具有较强的适应性。
-
单位水利部南京水利水文自动化研究所
