下水道数字孪生不再逐管重训:FLOOD 算子跨管径跨管网预测,单管提速约5500倍
下水道水力数字孪生长期受制于圣维南方程的求解速度,而既有机器学习替代模型换一根管道或一种流态就要重新训练。FLOOD 用多分支神经算子直接学习圣维南方程的解算子,以管道几何、水力参数和两端检查井水位为输入,输出水深与流量。在未参与训练的管道上,水深与流量的决定系数分别达到1.000和0.999,单管在线预测提速约5500倍,并可直接用于粗糙度校准与漏水定位。
下水道水力数字孪生长期受制于圣维南方程的求解速度,而既有机器学习替代模型换一根管道或一种流态就要重新训练。FLOOD 用多分支神经算子直接学习圣维南方程的解算子,以管道几何、水力参数和两端检查井水位为输入,输出水深与流量。在未参与训练的管道上,水深与流量的决定系数分别达到1.000和0.999,单管在线预测提速约5500倍,并可直接用于粗糙度校准与漏水定位。
已读完全部报道