基于深度学习的致命热浪预测模块化早期预警系统
机器学习
2025-12-11 v1
摘要
城市地区的严重热浪对公众健康构成重大威胁，亟需建立早期预警策略。尽管可以预测热浪的发生并归因历史死亡率，但预测即将到来的致命热浪仍是一个挑战，因为定义和估计热相关死亡率十分困难。此外，建立早期预警系统提出了额外的要求，包括数据可用性、空间和时间鲁棒性以及决策成本。为应对这些挑战，我们提出了DeepTherm，一个用于致命热浪预测的模块化早期预警系统，无需热相关死亡率历史。通过突出深度学习的灵活性，DeepTherm采用双预测管道，将无热浪和其他异常事件情况下的基线死亡率与全因死亡率解耦。我们在西班牙的真实数据上评估了DeepTherm。结果表明，该系统在不同地区、时间段和人群中都表现出一致、稳健和准确的性能，同时允许在漏报和误报之间进行权衡。
引用
@article{arxiv.2512.09074,
title = {Modular Deep-Learning-Based Early Warning System for Deadly Heatwave Prediction},
author = {Shangqing Xu and Zhiyuan Zhao and Megha Sharma and José María Martín-Olalla and Alexander Rodríguez and Gregory A. Wellenius and B. Aditya Prakash},
journal= {arXiv preprint arXiv:2512.09074},
year = {2025}
}