基于水力模拟的洪涝灾害图测绘深度U-Net框架
机器学习
2026-04-24 v1 人工智能
计算机视觉与模式识别
摘要
全球洪涝事件频发和严重性日益加剧，凸显了开发快速可靠洪涝预测工具的需求。该过程传统上依赖于计算昂贵的水力模拟。本研究通过开发基于深度学习的替代模型来准确且高效地预测网格上最大水位。通过一系列实验优化U-Net架构、块生成和数据处理，以近似水力模型。本研究表明，深度学习替代模型可作为传统水力模拟的计算高效替代方案。该框架使用德国北莱茵-瓦尔普莱茨地区（德国）的沃特河流域水力模拟进行测试，取得了可比的结果。
引用
@article{arxiv.2604.21028,
title = {A Deep U-Net Framework for Flood Hazard Mapping Using Hydraulic Simulations of the Wupper Catchment},
author = {Christian Lammers and Fernando Arévalo and Leonie Märker-Neuhaus and Daniel Heinenberg and Christian Förster and Karl-Heinz Spies},
journal= {arXiv preprint arXiv:2604.21028},
year = {2026}
}
备注
18 Pages, 9 Figures