近日，我校土木与水利工程学院周啸副教授、博士研究生曼亚灿，联合与香港城市大学袁志国院士团队合作在《Water Research》（IF=12.8）期刊上发表了题为“Physics-informed graph inference and prediction for global state estimation in water distribution networks”的研究论文（https://doi.org/10.1016/j.watres.2026.126386）。

针对供水管网在极稀疏监测条件下全局状态估计与预测的难题，研究团队提出了一种数据–物理耦合框架PhiGIP（Physics-Informed Graph Inference and Prediction）。该框架创新性地将图神经网络、图信号处理与水力学守恒定律相结合，通过三个依次衔接的模块——监测点压力预测、全局节点水头推断和全局管道流量计算，仅需少量历史压力监测数据即可实现对全网节点水头（压力）和管道流量的实时推断与多步预测，且无需依赖传统物理模型生成全局训练标签。该研究为供水管网在数据稀缺条件下的全局状态感知与预测提供了一种高效、轻量且物理一致的新范式，对推进智慧水务与数字孪生技术的发展具有重要的理论价值与应用前景。

《Water Research》（水研究）是水资源、环境科学与生态学领域的顶级期刊，Nature Index指数刊物，专注于全球水科学与技术及其管理的前沿研究。其影响因子达12.8（2026年），在环境工程、水资源和污染控制领域长期位居全球前列，是水科学领域最具权威性和国际认可度的学术期刊之一。

论文链接：

https://doi.org/10.1016/j.trgeo.2026.101983

http://doi.org/10.1002/nag.70306

Man, Y., Zhou, X., Tian, W., Yuan, R., Su, K., & Yuan, Z. (2026). Physics-informed graph inference and prediction for global state estimation in water distribution networks. Water Research, 304, 126386.

（周啸/文 周啸/图 王静峰/审核）

责任编辑：宋燕