查看: 1028|回复: 0

【模型工具】利用多源数据进行城市雨洪预报的时空深度学习方法

[复制链接]

41

主题

816

帖子

1623

积分

金牌飞友

Rank: 6Rank: 6

积分
1623
飞币
805
注册时间
2017-9-25
发表于 2024-8-16 09:23:19 | 显示全部楼层 |阅读模式
原文信息

题目:A Spatiotemporal Deep Learning Approach for Urban Pluvial Flood Forecasting with Multi-Source Data

作者:Benjamin Burrichtera,*, Julian Hofmannb, Juliana Koltermann da Silvaa, Andre Niemannc, Markus Quirmbacha

作者单位:a 德国鲁尔西应用科技大学土木工程研究所、b 亚琛工业大学水利工程与水资源管理研究所、c 杜伊斯堡-埃森大学水利工程与水资源管理研究所

期刊:Water

时间:2023

原文链接:https://doi.org/10.3390/w15091760

文章亮点

1. 提出了一种基于深度学习的雨洪时空预测模型

2. 模型的预测结果与水动力模型的模拟结果高度一致,计算时间大幅缩短

3. 模型可生成未来洪水情况的动态概览,适合集成到雨洪预警系统中,为危机管理部门的决策提供支持

背景与目的

由于气候变化和城市化,未来暴雨洪水事件的频率和风险预计将会增加。与河流洪水相比,理论上雨洪可以在城市流域内随时随地发生,故其早期预警系统至关重要。水动力(HD)计算模型是洪水事件时空高分辨率建模中广泛使用的工具。然而,HD模型的计算时间长,不适合实时使用。

研究方法

本研究开发了一种用于雨洪时空预测的深度学习模型,可以快速预测洪水形势的时空演变。本研究探讨了不同输入数据、数据格式和模型设置对预测结果的影响,考虑了以下多种来源的数据:降水信息、空间信息和溢流预报。此外,还考虑并评估了具有不同层和网络结构的模型,如卷积层、图卷积层或生成对抗网络。训练和测试模型所需的数据是通过一个耦合流体力学 1D/2D 模型生成的。

研究结果

本研究选择德国盖尔森基兴市南部作为案例地区。结果表明,预测的淹没区域与HD模型结果非常吻合。事实证明,最好的模型是 时间图卷积网络(T-GCN),其特点是计算时间短。最终模型只需要几秒钟即可计算出接下来 60 分钟的洪水序列。

编者点评

本文介绍了使用不同的深度学习模型来预测城市地区雨洪的实验。所提出的模型的主要缺点是可扩展性和可转移性有限,需要在未来的模型输入中纳入空间结构的附加信息。

关键图表

图1 模型基础框架

【模型工具】利用多源数据进行城市雨洪预报的时空深度学习方法w2.jpg

图2 2009 年 7 月 3 日案例地区雨洪事件开始时T-GCN单次预测的三个时间步的结果和评估

【模型工具】利用多源数据进行城市雨洪预报的时空深度学习方法w3.jpg

城市水系统领域

最新研究动态

UrbanWaterGroup

长按二维码关注
您需要登录后才可以回帖 登录 | 加入联盟

本版积分规则

快速回复 返回顶部 返回列表