来源：期刊VIP网 时间：
作者：韩烁;江林峰;杨建斌;
单位：河海大学数学学院;
摘要：针对物理信息神经网络(PINNs)方法在处理时间依赖性问题上的不足，本文提出一种基于注意力机制的物理信息神经网络(PINNsFormer)模拟洪水动态的方法，将PINNsFormer模型应用于求解圣维南方程。PINNsFormer模型能够有效捕捉时空依赖关系，从而提高求解精度和泛化能力。实验结果表明，此方法在模拟洪水传播和捕捉水面剖面细节方面表现出色。在与PINNs以及处理时间特征的神经网络模型FLS和QRes的对比中，PINNsFormer均具有更高的稳定性和精确性。在水平平面和均匀逆坡上的数值试验中，PINNsFormer方法均实现最低的损失值和测试误差，精度达到10~(-4)量级，准确再现洪水淹没边界的形状。
关键词：圣维南方程;;PINNs;;Transformer;;注意力机制
基金资助：国家自然科学基金(12271140);; 河海大学中央高校基本科研业务费资助项目(B220202081)
