AIGC動態(tài)歡迎閱讀

原標題：分析訓練全球 2k+ 水文站數(shù)據(jù)，中科院團隊發(fā)布 ED-DLSTM，實現(xiàn)無監(jiān)測數(shù)據(jù)地區(qū)洪水預測
關鍵字：流域,模型,數(shù)據(jù),洪水,水文
文章來源：HyperAI超神經(jīng)
內(nèi)容字數(shù)：9940字

內(nèi)容摘要：

作者：梅菜
編輯：李寶珠，三羊
中國科學院成都山地災害與環(huán)境研究所歐陽朝軍團隊，提出了一種全新的基于 AI 的徑流洪水預測模型 ED-DLSTM，利用全球超 2 千個水文站數(shù)據(jù)進行模型訓練，以解決全球范圍內(nèi)有監(jiān)測數(shù)據(jù)流域和無監(jiān)測數(shù)據(jù)流域徑流預測問題。隨著全球氣候變化，洪水災害正變得愈發(fā)頻繁。聯(lián)合國減少災害風險辦公室與比利時魯汶大學災害流行問題研究中心聯(lián)合發(fā)布的報告指出：過去 20 年間，全球洪水災害數(shù)量從 1,389 起上升到 3,254 起，增加了超兩倍，占到災害總數(shù)的 40%，影響人數(shù)達 165 萬人。
洪災會帶來巨大的人員傷亡和財產(chǎn)損失。今年 4 月，洪澇和地質(zhì)災害共造成我國江西、廣東等 17 省 (區(qū)、市) 159.8 萬人不同程度受災，因災死亡失蹤 24 人，農(nóng)作物受災面積 140.3 千公頃，直接經(jīng)濟損失 119.8 億元，災害損失為近 10 年同期最重。
如何有效地預測洪水流量對降低洪水災害風險至關重要。去幾十年里，基于水文過程的洪水流量預測取得了顯著進步，但當前方法的預測結(jié)果依然嚴重依賴監(jiān)測數(shù)據(jù)和參數(shù)率定。事實上，全球 95% 以上的流域沒有任何監(jiān)測數(shù)據(jù)，如何無監(jiān)測

原文鏈接：分析訓練全球 2k+ 水文站數(shù)據(jù)，中科院團隊發(fā)布 ED-DLSTM，實現(xiàn)無監(jiān)測數(shù)據(jù)地區(qū)洪水預測

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例