数值模拟及水信息技术是利用先进的数学模型和信息技术手段，定量描述和预测水体运动、水质变化及生态因子演变过程的重要研究方向，在水资源管理与水环境保护中发挥关键作用。面对自然系统的高度复杂性及数值模型在构建与计算过程中的诸多挑战，该领域亟需在模拟方法与精度方面实现突破，并加强与智能技术的深度融合。在这一背景下，我校水利水电学院王玲玲教授团队长期致力于相关研究，取得了一系列重要成果。1.实现了一种高效的一维河道水流物理信息神经网络建模方法（PINN-RE）针对天然河流阻力特性难以准确量化导致的一维水流模拟不确定性问题，研究团队提出了一种新型的基于物理信息神经网络糙率估计方法（PINN-RE）。该方法通过两个深度神经网络DNN-W和DNN-R，分别同步预测水动力场与糙率分布，并以圣维南方程作为物理约束，实现无需糙率先验信息的一维水动力精准模拟。试验结果表明，物理信息神经网络糙率估计方法（PINN-RE）不仅显著提升了水动力模拟精度，还能有效反演河道糙率分布，为基础资料不足条件下一维水流建模和河道物理参数机理认知提供了新的解决方案。图1 PINN-RE方法示意图图2传统PINN和PINN-RE方