基于物理信息的神经网络替代模型在河流水位预测中的应用

本研究探讨了使用物理信息神经网络（PINNs）作为河流水位预测替代模型的可行性，旨在降低计算成本的同时保持预测精度。研究结果表明，PINNs在训练单一河流时能够成功近似HEC-RAS数值解，具有较强的预测准确性和相对低的误差，为河流水位预测提供了一种高效的替代方案。