BP神经网络和数值模型相结合的城市内涝预测方法研究
洪涝数值模型是当前城市内涝风险分析和预报预警的主要技术手段,然而数值模型的计算速度较慢,难以满足日常防汛应急的需求.如何将人工智能技术,引入到训练样本及标注数据较少的城市积水内涝快速预测中,是个重点关注且亟待解决的问题.针对这个问题,本文将具有良好计算精度数值模型与具有较高计算效率的BP人工神经网络模型相结合,提出了一种快速预测城市内涝风险的新方法.本方法以城市洪涝模型的模拟结果作为数据驱动,构建各积水点的BP神经网络预测模型.结果表明,该方法预测精度高,计算速度快,可以满足日常防汛应急的需要,为人工智能技术在防洪减灾方向的应用提供了新的思路.
人工智能、BP神经网络、洪涝模型、城市内涝、快速预测
53
P338(水文科学(水界物理学))
国家自然科学基金52009147
2022-04-24(万方平台首次上网日期,不代表论文的发表时间)
共12页
284-295