分析训练全球 2k+ 水文站数据，中科院团队发布 ED-DLSTM，实现无监测数据地区洪水预测

AIGC动态欢迎阅读

原标题：分析训练全球 2k+ 水文站数据，中科院团队发布 ED-DLSTM，实现无监测数据地区洪水预测
关键字：流域,模型,数据,洪水,水文
文章来源：HyperAI超神经
内容字数：9940字

内容摘要：

作者：梅菜
编辑：李宝珠，三羊
中国科学院成都山地灾害与环境研究所欧阳朝军团队，提出了一种全新的基于 AI 的径流洪水预测模型 ED-DLSTM，利用全球超 2 千个水文站数据进行模型训练，以解决全球范围内有监测数据流域和无监测数据流域径流预测问题。随着全球气候变化，洪水灾害正变得愈发频繁。联合国减少灾害风险办公室与比利时鲁汶大学灾害流行问题研究中心联合发布的报告指出：过去 20 年间，全球洪水灾害数量从 1,389 起上升到 3,254 起，增加了超两倍，占到灾害总数的 40%，影响人数达 165 万人。
洪灾会带来巨大的人员伤亡和财产损失。今年 4 月，洪涝和地质灾害共造成我国江西、广东等 17 省 (区、市) 159.8 万人不同程度受灾，因灾死亡失踪 24 人，农作物受灾面积 140.3 千公顷，直接经济损失 119.8 亿元，灾害损失为近 10 年同期最重。
如何有效地预测洪水流量对降低洪水灾害风险至关重要。去几十年里，基于水文过程的洪水流量预测取得了显著进步，但当前方法的预测结果依然严重依赖监测数据和参数率定。事实上，全球 95% 以上的流域没有任何监测数据，如何破解无监测

原文链接：分析训练全球 2k+ 水文站数据，中科院团队发布 ED-DLSTM，实现无监测数据地区洪水预测

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例