利用物理信息机器学习来估计非规则的用水需求以帮助泄漏检测
原文中文，约300字，阅读约需1分钟。发表于：。该研究论文介绍了一种利用物理知识驱动的机器学习算法，通过分析压力数据来估计未知的水需求，最终利用伯努利方程并线性化泄漏检测问题。该算法在 L-Town 基准网络的数据上进行了测试，结果显示其在估计大多数不规则需求方面具有较好的能力，R2 大于 0.8；与不考虑不规则需求的结果相比，对于突发泄漏和潜在泄漏情况下的泄漏识别结果分别提高了 5.3 倍和 3.0 倍。
该研究介绍了一种利用物理知识驱动的机器学习算法，通过分析压力数据来估计未知的水需求。该算法在L-Town基准网络的数据上进行了测试，结果显示其在估计不规则需求方面具有较好的能力。对于突发泄漏和潜在泄漏情况下的泄漏识别结果分别提高了5.3倍和3.0倍。
