分析訓(xùn)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(yù)測

AIGC動態(tài)歡迎閱讀

原標(biāo)題：分析訓(xùn)練全球 2k+ 水文站數(shù)據(jù)，中科院團隊發(fā)布 ED-DLSTM，實現(xiàn)無監(jiān)測數(shù)據(jù)地區(qū)洪水預(yù)測
關(guān)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?jǐn)?shù)：9940字

內(nèi)容摘要：

作者：梅菜
編輯：李寶珠，三羊
中國科學(xué)院成都山地災(zāi)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(yù)測模型 ED-DLSTM，利用全球超 2 千個水文站數(shù)據(jù)進(jìn)行模型訓(xùn)練，以解決全球范圍內(nèi)有監(jiān)測數(shù)據(jù)流域和無監(jiān)測數(shù)據(jù)流域徑流預(yù)測問題。隨著全球氣候變化，洪水災(zāi)害正變得愈發(fā)頻繁。聯(lián)合國減少災(zāi)害風(fēng)險辦公室與比利時魯汶大學(xué)災(zāi)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(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 萬人。
洪災(zāi)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(zāi)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(zāi)，因災(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)測洪水流量對降低洪水災(zāi)害風(fēng)險至關(guān)重要。去幾十年里，基于水文過程的洪水流量預(yù)測取得了顯著進(jìn)步，但當(dāng)前方法的預(yù)測結(jié)果依然嚴(yán)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(xùn)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(yù)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(gòu)技術(shù)先進(jìn)性與普適性，解讀更前沿的 AIForScience 案例