-
题名基于深度学习的城市积水深度预报研究
- 1
-
-
作者
智协飞
崔碧瑶
季焱
-
机构
南京信息工程大学气象灾害预报预警与评估协同创新中心/气象灾害教育部重点实验室
天气在线(无锡)科技有限公司/天气在线气象应用研究所
-
出处
《南京信息工程大学学报》
CAS
北大核心
2024年第6期771-781,共11页
-
基金
国家重点研发计划重点专项(2017YFC1502000)。
-
文摘
随着全球气候变化的不断加剧和城市化的快速发展,极端降雨过程导致的城市积涝灾害愈演愈烈,已成为世界各国许多城市面临的严重挑战.基于2021年5—8月浙江省诸暨市75个国家自动气象观测站的降雨量数据和典型积水点的积水深度数据,使用深度学习模型长短时记忆网络(Long Short Term Memory,LSTM)构建降雨量与积水深度的关系模型,提供未来间隔15 min的2 h内城市积涝水位预报,并与随机森林(Random Forest,RF)和人工神经网络(Artificial Neural Network,ANN)模型预报结果进行对比.预报结果表明,LSTM使用前4 h的积水与降雨量资料进行未来2 h积水预报的结果最优,均方根误差(RMSE)小于5.6 cm,相关系数(CC)大于0.93,纳什效率系数(NSE)大于0.86,预报效果优于RF和ANN,所构建的积水预报人工智能模型具有较好的预报效果.
-
关键词
深度学习
长短时记忆网络
城市积涝
降雨量
积水深度
-
Keywords
deep learning
long short-term memory(LSTM)
urban waterlogging
precipitation
waterlogging depth
-
分类号
P467
[天文地球—大气科学及气象学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
