灰盒建模何时有利于虚拟流量计？

在虚拟流量计应用中将物理与机器学习相结合被称为灰盒建模。这种组合被认为可增强多相流率预测。然而，灰盒模型的优越性尚待文献证实。本文考察了灰盒模型预期优于基于物理与数据驱动模型的场景。实验使用合成数据进行，其中底层数据生成过程的特性已知且受控。结果表明，在存在过程-模型失配时，灰盒模型相较基于物理的模型预测精度更高；在可用数据量较小时，相较数据驱动模型亦有改进。另一方面，灰盒与数据驱动模型受噪声测量影响类似。最后，结果表明在非平稳过程条件下灰盒方法可能具优势。遗憾的是，训练前选择最佳模型具挑战性，且模型开发开销不可避免。