非线性水动力城市排水模拟器的数据驱动与机理仿真器评估

许多基于模型的科学与工程方法，如系统辨识、灵敏度分析、优化与控制，需要进行大量的模型评估。特别是，基于模型的城市水务基础设施实时控制和在线洪水预警系统需要在不同的执行和/或参数值下对网络响应进行快速预测。通用城市排水模拟器对于此应用而言太慢。快速代理模型，即所谓的仿真器，为这一效率需求提供了解决方案。仿真器极具吸引力，因为它们牺牲了不需要的精度以换取速度。然而，必须对其进行微调才能令人满意地预测系统行为。此外，一些仿真器无法在训练集之外外推系统行为。尽管开发仿真器有许多策略，但迄今为止仿真策略的选择仍然是主观的。因此，在本文中，我们比较了城市排水模拟器背景下明渠流的两个仿真器家族的性能。我们将显式利用模拟器方程知识的仿真器，即基于高斯过程的机理仿真器，与使用矩阵分解的纯数据驱动仿真器进行了比较。我们的结果表明，在许多城市应用中，朴素的数据驱动仿真优于机理仿真。尽管如此，我们讨论了认为机理仿真可能在以下方面更具优势的场景：i) 时间上的外推，以及 ii) 处理稀疏且采样不均匀的数据。我们还提供了许多关于机器学习领域进展的参考文献，这些进展尚未渗透到贝叶斯环境科学界。