课题组在供水管网替代模型技术研究中取得重要进展
近日，课题组博士研究生曼亚灿、袁瑞，周啸副教授以及苏馈足教授与香港城市大学袁志国教授（澳大利亚技术科学与工程院院士）、田文翀博士团队合作在《Water Research》（IF=12.8）期刊上发表了题为“Physics-informed graph inference and prediction for global state estimation in water distribution networks”的研究论文（DOI: 10.1016/j.watres.2026.126386）。
Man, Y., Zhou, X., Tian, W., Yuan, R., Su, K., & Yuan, Z. (2026). Physics-informed graph inference and prediction for global state estimation in water distribution networks. Water Research, 304, 126386. https://doi.org/10.1016/j.watres.2026.126386
本研究是课题组在图信号处理技术赋能供水管网智能化方向的系统集成与重要突破。团队前期已建立了基于图信号处理技术的管网压力估计、数据修补、传感器最优布置等一系列方法。本论文在前述研究基础上，将图信号处理技术从单一的状态估计拓展为“预测-估计-推断”一体化的全局状态预测框架，实现了从“局部感知”到“全局洞察”、从“实时估计”到“多步预测”的能力跃升，为供水管网在数据稀缺条件下的全局状态感知与预测提供了一种高效、轻量且物理一致的新范式，对推进智慧水务与数字孪生技术的发展具有重要的理论价值与应用前景。
针对供水管网在极稀疏监测条件下全局状态估计与预测的难题，团队在先前对图信号技术的成熟研究应用基础上，提出了一种名为PhiGIP（Physics-Informed Graph Inference and Prediction）的数据—物理耦合框架。该框架创新性地将图神经网络、图信号处理与水力学守恒定律相结合，通过三个依次衔接的模块——监测点压力预测、全局节点水头推断和全局管道流量计算，仅需少量历史压力监测数据即可实现对全网节点水头（压力）和管道流量的实时推断与多步预测，且无需依赖传统物理模型生成全局训练标签。
研究表明，在基准网络（LTown、KL）中，PhiGIP 在压力监测覆盖率仅 5% 的条件下，节点水头估计误差（MAE）可低至0.2米，管道流量估计误差（MAPE）普遍低于 5%。在包含 16,567 个节点和 17,205 条管道的真实管网案例中，该框架仅凭 12 个压力传感器（覆盖率不足 0.1%），验证节点压力 MAE 普遍低于 2 米，非高峰时段监测管道流量 MAPE 可控制在 10% 左右。此外，在用水量与管道粗糙度存在显著不确定性时，PhiGIP 的节点水头预测误差增幅远小于传统物理模型 WNTR，展现出优异的工程鲁棒性。