该研究结合物理建模与图神经网络，提出了一种新方法来解决供水管网的压力估计问题。通过分析压力数据，利用机器学习算法估计水需求，显著提高了泄漏识别能力。在L-Town网络测试中，模型表现优异，R2值超过0.8，突发泄漏识别提升5.3倍，潜在泄漏提升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。