中山大学海洋科学学院WR｜河口细颗粒絮团粒径预测新方法：基于自适应参数化的物理引导神经网络（SAP-PINNs）模型构建与验证

本研究提出了一种全新的自适应参数物理引导神经网络（SAP-PINNs）框架，用于预测河口细颗粒絮团粒径。该模型通过动态优化絮团模型参数，结合物理约束与数据驱动方法，显著提高了在复杂水动力条件下的预测精度，准确率提升了88.31%。研究还利用SHAP方法量化了剪切力、盐度与悬沙浓度对絮团演化的主控机制。通过室内跨剪切实验和珠江口7站点实测数据的双重验证，模型表现出卓越的泛化性（R²=0.99，RMSE=0.93 µm）。研究为河口细颗粒泥沙动力过程提供了新视角，并为流域沉积物管理与生态环境监测提供了理论支撑与方法创新。