FloodDamageCast：利用机器学习和数据增强构建洪水损坏临近预报
机器学习
2024-05-27 v2
摘要
对建筑物和基础设施损坏的近实时估计（本文中称为损坏临近预报）对于在灾害响应和恢复期间使应急响应人员能够就疏散命令和基础设施维修优先级做出明智决策至关重要。在此，我们介绍了FloodDamageCast，一个专为财产洪水损坏临近预报量身定制的机器学习框架。该框架利用异构数据来预测2017年哈维飓风期间德克萨斯州哈里斯县内500米×500米分辨率下的住宅洪水损坏。为了处理数据不平衡，FloodDamageCast结合了基于生成对抗网络的数据增强和高效的机器学习模型。结果表明，该模型能够识别出基线模型会忽略的高损坏空间区域。从洪水损坏临近预报中获得的见解可以帮助应急响应人员更有效地识别维修需求、分配资源并简化现场检查，从而节省时间和精力。
引用
@article{arxiv.2405.14232,
title = {FloodDamageCast: Building Flood Damage Nowcasting with Machine Learning and Data Augmentation},
author = {Chia-Fu Liu and Lipai Huang and Kai Yin and Sam Brody and Ali Mostafavi},
journal= {arXiv preprint arXiv:2405.14232},
year = {2024}
}
备注
20 pages, 6 figures