用于洪水预测的物理信息数据驱动模型：深度学习在城市洪水演进预测中的应用
信号处理
2019-08-28 v1 机器学习
摘要
城市地区的暴洪发生频率日益增加。监测这些洪水将极大有助于减轻人员与经济损失。然而，当前的洪水预测方法要么过慢，要么过于简化而难以捕捉洪水演进的细节。本工作利用深度神经网络，旨在加速由浅水方程（SWE）控制的基于物理的二维城市洪水预测方法的计算速度。应用卷积神经网络（CNN）与条件生成对抗神经网络（cGANs）从偏微分方程（PDE）求解器模拟的数据中提取洪水动力学。该数据驱动模型的性能以均方误差（MSE）和峰值信噪比（PSNR）进行评估。所展示的基于深度学习的数据驱动洪水预测模型能够提供精确的实时洪水演进预测。
引用
@article{arxiv.1908.10312,
title = {Physics Informed Data Driven model for Flood Prediction: Application of Deep Learning in prediction of urban flood development},
author = {Kun Qian and Abduallah Mohamed and Christian Claudel},
journal= {arXiv preprint arXiv:1908.10312},
year = {2019}
}