基于潜在变量和伴随方程的城市洪水底表面参数校准
机器学习
2026-05-06 v1
摘要
校准城市底表面参数对于城市洪水模拟至关重要。我们将参数校准问题形式化为在贝叶斯框架内使用最大似然原理求解的优化问题。我们采用城市洪水动力系统模型作为代理模型，创新性地引入受机器学习启发的潜在变量来表示更多不确定性，这些变量也与常见的物理参数校准兼容。为了更高效的优化，我们构建了代理模型的伴随方程以获取梯度信息，并提出了参数共享技术和局部化技术以降低伴随方程的计算复杂度。一个简单案例验证了所提方法能够快速收敛且对观测时间间隔不敏感。在源自 Test 8A 的案例中，我们校准城市道路的 Manning 系数，最大相对误差为 13.88%，最小为 1.16%。
引用
@article{arxiv.2605.02959,
title = {Calibration of the underlying surface parameters for urban flood using latent variables and adjoint equation},
author = {Yongfu Tian and Shan Ding and Guofeng Su and Jianguo Chen},
journal= {arXiv preprint arXiv:2605.02959},
year = {2026}
}
备注
27 pages, 8 figures, 2 table, submitted to Journal of Flood Risk Management