融合众包智能和数据同化的沿岸洪水预测方法研究
编号:2623
访问权限:仅限参会人
更新:2024-04-12 15:25:39 浏览:894次
口头报告
摘要
沿岸洪水对人类社会危害严重,当前全球有数十亿人面临洪水风险。数值模式在灾害预测中起着重要的作用,但现有的数值模式难以对复杂的城市环境和人类活动进行建模,因此对沿岸城市淹水预报仍具有一定误差。利用观测数据通过数据同化来改进模式是提升预报水平的有效方法。然而,如何在灾害期间有效获取观测数据已成为沿岸洪水预报的主要挑战。由此,本文采用一种新兴的计算方式——众包智能,通过互联网和社交媒体指派网络用户完成数据采集、推理计算等任务。本文提出一个通用的方法框架,充分发挥人的智能,从灾区现场或网络线上获取与洪水相关的照片、文本、视频等多模态数据,并在此基础上进行数值模式问题识别、因果分析、融合数据同化,最终实现洪水预测水平的有效提升。此方案在天鸽和山竹引发的澳门淹水预报中得到了有效验证。
稿件作者
王晓慧
中国人民解放军国防科技大学
王辉赞
中国人民解放军国防科技大学
张卫民
国防科技大学
邱思航
中国人民解放军国防科技大学
发表评论