一种基于机理和数据双驱动的土石坝渗流压力预测方法

本发明提出了一种基于机理和数据双驱动的土石坝渗流压力预测方法，包括以下步骤：生成多工况渗流压力数据，通过极光优化算法优化径向基函数神经网络构建高效代理模型；基于代理模型预测结果，结合实测数据进行拟合，建立基于滞后效应函数的渗流压力预测机理模型；以机理模型的预测值为标签，监督训练模型学习渗流场的物理规律；冻结训练完成的模型中的物理特征提取层，利用实测数据微调时序建模层，实现对实测值的逼近。本发明将机理驱动与数据驱动有机结合，既保留物理规律的可解释性，又利用实测数据补足机理模型未考虑的复杂因素，在保证模型预测精度的同时，显著提高深度学习模型在极端工况下的泛化能力。