Physics-informed machine learning

物理信息人工智能改进数据稀疏情况下的洪水预测

研究人员开发了一个新的物理信息机器学习（PIML）框架，以改进短期洪水预报。该方法将水文学知识直接整合到LSTM模型的损失函数中，特别是通过惩罚降水和流量趋势之间的方向不一致性。与标准的LSTM相比，PIML模型在数据稀疏环境和模拟的极端气候情景下表现出更强的鲁棒性和物理合理性。虽然预测极端峰值仍然是一个挑战，但PIML模型显著减少了非物理波动，为未设站盆地的洪水预测提供了更可靠的解决方案。