水利工程的透彻感知对构建数字孪生体系、推动水利高质量发展至关重要。随着大坝安全监测技术的发展和“天空地水工”一体化监测感知网络的建设,如何同化积累的多源数据进而实现大坝透彻感知是当前的研究重点。本文提出一种基于多物理信息神经网络(mpinn)的多源数据同化方法,其核心在于将大坝应力-渗流多场耦合理论和参数随机场嵌入神经网络并监督模型训练,在满足物理一致性的情况下充分利用数据驱动方法的灵活性,实现对大坝工程性态的最优估计。以两河口心墙堆石坝为例,采用mpinn同化了砾石土心墙的孔隙水压力、土压力监测数据和压缩模量、渗透系数检测数据,实现了从稀疏数据中重构心墙全域的孔隙水压力场和土压力场。对比实验表明,mpinn在预测准确性和鲁棒性方面均优于其他方法,验证了数据同化的效果,为实现水利工程全域的透彻感知提供了一条新途径,可为数字孪生工程和智能大坝的建设提供技术支撑。
Sun et al. (Wed,) studied this question.