本研究解决了由于隐私限制导致的现实世界水分配网络(WDN)模型共享困难，进而影响数据驱动机器学习的应用。我们提出的DiTEC-WDN数据集包含36000个独特场景，能够支持多种机器学习任务，并鼓励开放科学研究，满足水资源领域的大规模基准需求。

该研究开发了一种基于图神经网络的颗粒流动模拟器GNS，能够高效预测颗粒柱倒塌情况，其计算速度比传统模拟快300倍。同时，结合物理建模与图神经网络，提出了一种新的数据生成方法，显著提升了供水管网压力估计的性能。

本文探讨了将物理学知识融入神经网络的方法，以提高动力学模型的预测准确性。研究表明，增广拉格朗日法结合物理信息在流体动力学和偏微分方程问题中显著提升了模型性能和稳定性，尤其在数据缺失和复杂边界条件下表现优越。