大水灾害对世界各地的映响严峻，组成为了重大的社会和经济问题，大水防控战略依赖于水文预报模型，而那些模型次要通过数据驱动办法与得。所以模型须要抵达冀望的精度须要大质物理参数，而那些参数往往难以确获与；且传统的数据驱动模型往往须要牢靠且真正在的数据担保模型的数值模拟精确性。所以正在以上布景钻研下，原论文提出了一个基于物理信息神经网络（Physics-Informed Neural Networks，PINNs）的河道水流代替模型，做者总共设想了三个PINNs模型架构A、B、C，通过调理模型的输入取输出参数以探索正在差异
