综述：水工程中的先进软计算技术：应用、趋势及前沿算法的全面洞察

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：Advanced Soft Computing Techniques in Water Engineering: Comprehensive Insights into Applications, Trends, Cutting-Edge Algorithms

　　

摘要

以往关于水力结构的文献广泛使用了分析和数值模型来研究流体流动模式、局部冲刷、泥沙输送以及系统中的能量耗散。在这些研究中，多相流和湍流过程的存在可能导致建模过程变得极其复杂，需要大量的计算资源；而采用较为简单的方法则会影响预测的准确性。尽管如此，近年来人工智能、机器学习和软计算工具已被广泛用于解决这些问题，但相关文献分散在各个水力工程领域中。与以往仅关注水力工程某一特定领域的文献不同，本研究的主要科学创新之处在于开发了一种全面的分类方案，并对现有研究空白进行了诊断。这一目标是通过系统映射方法实现的，该方法遵循系统评价和元分析（PRISMA）指南中推荐的报告条目。研究过程将涵盖2000年至2025年间发表的281篇原始研究。在研究选择方面，仅考虑了2000年至2025年期间被科学引文索引扩展版（SCIE）收录的原创科学期刊文章。所提出的分析模型基于一个有效的三重分类标准，可以根据水力系统、水力过程以及人工智能算法对现有文献进行分类。对每个类别内的频率分布和时间动态的分析揭示了重要特征，这些特征远超单纯列举现有方法的范围。首先，人工智能算法的分类结构可以作为根据水力过程复杂性选择合适模型的指导依据。其次，在48种水力系统和54种水力现象中使用了176种不同的人工智能算法，这可以被视为研究饱和度和不足的重要指标。例如，渠道和堰坝的研究较为充分，而鱼类通道或撇渣墙等关键系统则严重缺乏研究，仅被纳入了281篇原始研究中的一篇。在水力系统中，渠道、堰坝、大坝、河流、管道和桥梁是研究较多的对象，而撇渣墙、斗型结构、碎石堆、区域供水系统、鱼类通道和灌溉系统的研究较少。在水力现象中，流动、源头、泥沙、流量、冲刷和水力跃迁是研究最多的现象。此外，研究发现，在所使用的176种技术中，人工神经网络、多层感知器、卷积神经网络、循环神经网络、小波神经网络、反向传播和径向基函数神经网络被广泛采用。最终，本综述明确了方法学趋势，并指出了被忽视的研究领域，为学者和政策制定者提供了一个清晰的框架，以便将软计算技术应用于水工程中研究最为不足的领域。

以往关于水力结构的文献广泛使用了分析和数值模型来分析流体流动模式、局部冲刷、泥沙输送以及系统中的能量耗散。在这些研究中，多相流和湍流过程的存在可能导致建模过程变得极其复杂，需要大量的计算资源；而采用较为简单的方法则会影响预测的准确性。尽管如此，近年来人工智能、机器学习和软计算工具已被广泛用于解决这些问题，但相关文献分散在各个水力工程领域中。与以往仅关注水力工程某一特定领域的文献不同，本研究的主要科学创新之处在于开发了一种全面的分类方案，并对现有研究空白进行了诊断。这一目标是通过系统映射方法实现的，该方法遵循系统评价和元分析（PRISMA）指南中推荐的报告条目。研究过程将涵盖2000年至2025年间发表的281篇原始研究。在研究选择方面，仅考虑了2000年至2025年期间被科学引文索引扩展版（SCIE）收录的原创科学期刊文章。所提出的分析模型基于一个有效的三重分类标准，可以根据水力系统、水力过程以及人工智能算法对现有文献进行分类。对每个类别内的频率分布和时间动态的分析揭示了重要特征，这些特征远超单纯列举现有方法的范围。首先，人工智能算法的分类结构可以作为根据水力过程复杂性选择合适模型的指导依据。其次，在48种水力系统和54种水力现象中使用了176种不同的人工智能算法，这可以被视为研究饱和度和不足的重要指标。例如，渠道和堰坝的研究较为充分，而鱼类通道或撇渣墙等关键系统则严重缺乏研究，仅被纳入了281篇原始研究中的一篇。在水力系统中，渠道、堰坝、大坝、河流、管道和桥梁是研究较多的对象，而撇渣墙、斗型结构、碎石堆、区域供水系统、鱼类通道和灌溉系统的研究较少。在水力现象中，流动、源头、泥沙、流量、冲刷和水力跃迁是研究最多的现象。此外，研究发现，在所使用的176种技术中，人工神经网络、多层感知器、卷积神经网络、循环神经网络、小波神经网络、反向传播和径向基函数神经网络被广泛采用。最终，本综述明确了方法学趋势，并指出了被忽视的研究领域，为学者和政策制定者提供了一个清晰的框架，以便将软计算技术应用于水工程中研究最为不足的领域。