Physics-Informed Neural Network Surrogate Models for River Stage Prediction
Created by
Haebom
Category
Empty
저자
Maximilian Zoch, Edward Holmberg, Pujan Pokhrel, Ken Pathak, Steven Sloan, Kendall Niles, Jay Ratcliff, Maik Flanagin, Elias Ioup, Christian Guetl, Mahdi Abdelguerfi
개요
본 논문은 하천 수위 예측을 위한 대체 모델로서 물리 정보 신경망(PINN)의 활용 가능성을 조사합니다. HEC-RAS 수치 해석의 결과를 단일 하천에 대해 학습하여 예측 정확도를 유지하면서 계산 비용을 줄이는 것을 목표로 합니다. Saint-Venant 방정식을 학습 과정에 통합하여 물리적 일관성을 강화하고 HEC-RAS에 비해 계산 효율성을 크게 향상시킨 PINN 기반 대체 모델을 제안합니다. 정확도와 계산 속도 측면에서 모델 성능을 평가하여 실시간 추론을 가능하게 하면서 HEC-RAS 예측을 정확하게 근사함을 보여줍니다. 결과적으로 PINN이 단일 하천 수리학에 대한 효과적인 대체 모델로서 잠재력을 가지고 있음을 강조합니다.
