研究论文
How effective are physics-informed neural networks compared to machine learning in predicting groundwater flow in complex heterogeneous aquifers?
Mayank Bajpai, S. C. Mishra, Shishir Gaur, Kamal Singh
Banaras Hindu University Université Jean Monnet
来源Neural Computing and Applications
年份2026
阅读操作
确认中在文库中上传 PDF 后可生成中文音频讲解。
摘要与影响
摘要 · 节选
暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。
逐年被引趋势
暂无年度引用数据
关键指标
0
被引次数 · OpenAlex
0.00
领域内被引倍数
同类平均 = 1
同类平均 = 1
前 10%
引用位次
同领域 · 同年份 · 同类型
同领域 · 同年份 · 同类型
39
参考文献
Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。
AI 辅助阅读
依据：文献信息
论文问答
当前基于文献信息回答
可就本文提问；依据不足时会说明。
学术脉络
学科主题
物理Model Reduction and Neural Networks
Hydrological Forecasting Using AI · Groundwater flow and contamination studies
参考文献 39
Application of Several Data-Driven Techniques for Predicting Groundwater Level
被引 164Bagher Shirmohammadi Chelan, Mehdi Vafakhah, Vahid Moosavi · Water Resources Management · 2012
On the use of neural networks to evaluate groundwater levels in fractured media
被引 197S. Lallahem, J. Mania, Azzedine Hani · Journal of Hydrology · 2004
Groundwater level forecasting using artificial neural networks
被引 672Ioannis Ν. Daliakopoulos, Paulin Coulibaly, Ioannis K. Tsanis · Journal of Hydrology · 2005
此处列出前 3 条
引用本文 -
暂无引用本文的记录