近日，机械与储运工程学院梁永图教授领衔的油气供应链运行仿真与优化课题组，联合国内外多家合作单位，提出了一种液态能源管道参数辨识与在线估计技术，成果发表于Nature Portfolio旗下的自然合作期刊《npj Artificial Intelligence》，题目为《Towards parameter identification in pipeline hydraulics: integrating data-driven discovery and knowledge embedding》，学院石油与天然气工程专业2022级博士研究生杜渐为论文第一作者，廖绮副教授为通讯作者。该成果是机械与储运工程学院油气储运工程系近年来，首篇以本院学生为第一作者、本院教师为通讯作者发表的Nature旗下期刊论文。

液态能源管道系统辨识与状态估计是管道安全评估的重要依据。该成果通过创新开发一种基于数据驱动的水力动态发现算法，可有效量化由系统参数变化引起的水力瞬态特性差异，提高了快瞬变过程参数辨识精度。在此基础上，研究构建了融合知识嵌入的神经网络代理模型，提出了适用于瞬稳态工况的自适应在线状态估计框架，有助于改善传统辨识方法存在的时间滞后问题。

学院梁永图教授带领研究团队，长期从事液态能源管道运行智能监测领域研究，并取得了相关进展，成果合作单位包括意大利米兰理工大学、中国石油规划总院、澳大利亚伍伦贡大学、法国巴黎文理大学，研究工作得到了国家重点研发计划、国家自然科学基金、国家公派留学基金的资助。

《npj Artificial Intelligence》是Nature Portfolio（自然科研）旗下的自然合作刊物，旨在展示人工智能领域的前沿进展，以及在人工智能范式内提出的创新解决方案。该期刊由美国计算机协会杰出科学家联合美国伊利诺伊大学、明尼苏达大学、新加坡国立大学等高校教授担任主编及编委团队。