[口头报告]基于深度学习方法的洪水淹没预测及驱动因素分析

基于深度学习方法的洪水淹没预测及驱动因素分析
编号：4044 访问权限：仅限参会人 更新：2024-04-14 16:25:15 浏览：39次 口头报告

报告开始：2024年05月19日 11:23 （Asia/Shanghai）

报告时间：10min

所在会议：[S14] 主题14、水文地球科学 » [S14-4] 主题14、水文地球科学 专题14.11、专题14.17（19日上午，B2鹭江厅VIP3）

暂无文件

摘要
准确实时预测洪水淹没范围和水深在洪水预警和减灾中起着至关重要的作用。传统的基于物理机制的水动力洪水模拟方法建模复杂、耗时长，限制了其在近实时洪水预警中的适用性。本研究探索了三种深度学习神经网络架构的潜在应用，即卷积神经网络（CNN）、批量归一化卷积神经网络和多层感知器（MLP），用于中国浙江临海城市地区复合洪水的时空预测。同时，利用深度学习模型的特征重要性算法分析影响研究区洪水淹没格局的主要驱动因素。使用水动力学模型构建了时空淹没数据库,应对深度学习模型所需的大量样本数据集的训练和验证挑战。结果表明，与水动力学模型相比，深度学习模型可以有效地捕捉洪水演变过程中淹没的动态变化，并准确地模拟洪水深度，有可能成为近实时洪水预警的强大工具。
关键字
洪水淹没预测；深度学习；样本库建立方法；淹没驱动因素分析
报告人
张文婷
副教授 河海大学

发表评论
验证码 看不清楚，更换一张
全部评论
● 会务总协调  

● 学术安排

  

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

 13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

 18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

 13313708075

lliu@iue.ac.cn

 

● 会场技术服务

  

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

      
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

 胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

 孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

 许心雅 18005960255 xuxinya@xmu.edu.cn
           

● 海报张贴

  

● 酒店预定及咨询

  
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com
卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订