分析訓(xùn)練全球 2k+ 水文站數(shù)據(jù)，中科院團(tuán)隊(duì)發(fā)布 ED-DLSTM，實(shí)現(xiàn)無(wú)監(jiān)測(cè)數(shù)據(jù)地區(qū)洪水預(yù)測(cè)

AIGC動(dòng)態(tài)1年前 (2024)發(fā)布 HyperAI超神經(jīng)

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：分析訓(xùn)練全球 2k+ 水文站數(shù)據(jù)，中科院團(tuán)隊(duì)發(fā)布 ED-DLSTM，實(shí)現(xiàn)無(wú)監(jiān)測(cè)數(shù)據(jù)地區(qū)洪水預(yù)測(cè)
關(guān)鍵字：流域,模型,數(shù)據(jù),洪水,水文
文章來(lái)源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：9940字

內(nèi)容摘要：

作者：梅菜
編輯：李寶珠，三羊
中國(guó)科學(xué)院成都山地災(zāi)害與環(huán)境研究所歐陽(yáng)朝軍團(tuán)隊(duì)，提出了一種全新的基于 AI 的徑流洪水預(yù)測(cè)模型 ED-DLSTM，利用全球超 2 千個(gè)水文站數(shù)據(jù)進(jìn)行模型訓(xùn)練，以解決全球范圍內(nèi)有監(jiān)測(cè)數(shù)據(jù)流域和無(wú)監(jiān)測(cè)數(shù)據(jù)流域徑流預(yù)測(cè)問(wèn)題。隨著全球氣候變化，洪水災(zāi)害正變得愈發(fā)頻繁。聯(lián)合國(guó)減少災(zāi)害風(fēng)險(xiǎn)辦公室與比利時(shí)魯汶大學(xué)災(zāi)害流行問(wèn)題研究中心聯(lián)合發(fā)布的報(bào)告指出：過(guò)去 20 年間，全球洪水災(zāi)害數(shù)量從 1,389 起上升到 3,254 起，增加了超兩倍，占到災(zāi)害總數(shù)的 40%，影響人數(shù)達(dá) 165 萬(wàn)人。
洪災(zāi)會(huì)帶來(lái)巨大的人員傷亡和財(cái)產(chǎn)損失。今年 4 月，洪澇和地質(zhì)災(zāi)害共造成我國(guó)江西、廣東等 17 省 (區(qū)、市) 159.8 萬(wàn)人不同程度受災(zāi)，因?yàn)?zāi)死亡失蹤 24 人，農(nóng)作物受災(zāi)面積 140.3 千公頃，直接經(jīng)濟(jì)損失 119.8 億元，災(zāi)害損失為近 10 年同期最重。
如何有效地預(yù)測(cè)洪水流量對(duì)降低洪水災(zāi)害風(fēng)險(xiǎn)至關(guān)重要。去幾十年里，基于水文過(guò)程的洪水流量預(yù)測(cè)取得了顯著進(jìn)步，但當(dāng)前方法的預(yù)測(cè)結(jié)果依然嚴(yán)重依賴監(jiān)測(cè)數(shù)據(jù)和參數(shù)率定。事實(shí)上，全球 95% 以上的流域沒(méi)有任何監(jiān)測(cè)數(shù)據(jù)，如何無(wú)監(jiān)測(cè)

原文鏈接：分析訓(xùn)練全球 2k+ 水文站數(shù)據(jù)，中科院團(tuán)隊(duì)發(fā)布 ED-DLSTM，實(shí)現(xiàn)無(wú)監(jiān)測(cè)數(shù)據(jù)地區(qū)洪水預(yù)測(cè)