基于人工智能的山区河流洪水预测与预警
人工智能
2025-05-27 v1
摘要
洪水是全球最具毁灣性的现象，尤其在山区，由于地形复杂和气候变化的剧烈变化，风险随之增加，对生活、农业、基础设施和人身安全造成严重威胁。本研究以巴基斯坦和阿富汗之间的喀布尔河为案例，反映了跨流域洪水预测的复杂性。获取上游数据不足常常限制洪水控制措施和预警系统的有效性，这是类似流域中普遍存在的全球性问题。本研究利用卫星基于气候的数据，应用多种先进的机器学习和深度学习模型，包括支持向量机（SVM）、XGBoost、人工神经网络（ANN）、长短期记忆网络（LSTM）和门控循环单元（GRU），对日尺度和多步河流量进行预测。LSTM 网络在所有模型中表现最佳，达到 R2 值为 0.96，RMSE 值为 140.96 立方米/秒。用于短期预测（最高可达五天）的时序 LSTM 和 GRU 模型表现显著。然而，超过第四天后，准确率下降，这凸显了为可靠的长期洪水预测需要更长的历史数据集。本研究的结果直接与可持续发展目标 6、11、13 和 15 相吻合，促进了灾害和水资源管理、及时疏散、改善准备情况以及有效的预警。
引用
@article{arxiv.2505.18645,
title = {Riverine Flood Prediction and Early Warning in Mountainous Regions using Artificial Intelligence},
author = {Haleema Bibi and Sadia Saleem and Zakia Jalil and Muhammad Nasir and Tahani Alsubait},
journal= {arXiv preprint arXiv:2505.18645},
year = {2025}
}
备注
26 pages, 6 figure