报告详情
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：1064次
口头报告
报告开始：2024年05月19日 11:23（Asia/Shanghai）
报告时间：10min
所在会场：[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。
关键词
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 河海大学全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论