Khadrawi_Github_Based_PINN方法绿色基础设施水力传导系数估算数据

数据集概述

本数据集为论文“Novel Physics Informed-Neural Networks for Estimation of Hydraulic Conductivity of Green Infrastructure as a Performance Metric by Solving Richards-Richardson PDE”配套数据，包含通过Hydrus 1D模拟生成的三个场景数据，原始文件经处理为CSV格式后打包存储，用于支持物理信息神经网络（PINN）方法估算绿色基础设施水力传导系数的研究。

文件详解

• 压缩包文件
• 文件名称：Hydrus 1D processed data.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内包含三个Hydrus 1D模拟场景的CSV格式数据文件，原始数据来源于Hydrus 1D输出的“Nod_inf.out”文件，经处理后包含支持水力传导系数估算的相关模拟参数（具体字段需解压后查看CSV文件内容）。

数据来源

Github仓库：https://github.com/Khadrawi/Physics-Informed-Neural-Networks-for-Estimation-of-Hydraulic-Conductivity/tree/main

适用场景

• 水文模型参数估算：用于验证物理信息神经网络（PINN）方法在绿色基础设施水力传导系数估算中的有效性。
• 绿色基础设施性能评估：通过水力传导系数数据，分析绿色基础设施的水文调节性能。
• 水文模拟数据应用：利用Hydrus 1D模拟场景数据，开展水文过程建模与分析研究。
• 机器学习方法在水文领域的应用：探索PINN等先进机器学习技术在水文参数反演中的应用潜力。