.png){kind=icon}
返回
Rapid simulation for real-time flood depth prediction using support vector machine
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-17090-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
局部强降水（LIP）因气候变化而加剧，已日益导致严重的城市内涝。尽管传统水动力学模型（如SWMM和FLO-2D）在洪水预测中具有高精度，但其计算需求阻碍了实时应用。本研究引入了一种基于支持向量机（SVM）的快速洪水水深预测模型，该模型使用基于物理的1D–2D耦合模拟生成的数据进行训练。目标区域为首尔江南金衡公寓交叉路口——该区域极易发生内涝。累计降雨量和雨水口溢流数据（1至5小时情景）被用作预测洪水水深的输入变量。模型验证包括两部分：(1) 1D–2D水动力学模型（SWMM–FLO-2D）通过2010年9月21日的实测洪水记录进行验证，与NDMS淹没点的匹配度为64%；(2) 训练后的SVM模型通过与3小时Huff分布降雨情景下生成的FLO-2D结果进行比较进行验证。SVM模型表现出优异的性能，R² = 0.988，NSE = 0.987，差异百分比 = 1.080，RMSE = 0.098 m。结果表明，将机器学习与物理模拟相结合能够提供快速可靠的洪水预测，支持城市地区的及时灾害响应。
Keyword:
Rapid simulation
LIP (Local Intensive Precipitation)
SVM (Support Vector Machine)
Real-time
Flood depth
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
27.8W
被引数:
83.5W
机构
引用论文
Accounting for Uncertainty and Reconstruction of Flooding Patterns Based on Multi-Satellite Imagery and Support Vector Machine Technique: A Case Study of Can Tho City, Vietnam.png)
WATEROAAI
WATERIF3
OAAI分享收藏Flash Flood Forecasting Using Support Vector Regression Model in a Small Mountainous Catchment基于支持向量回归模型的山区小流域山洪预报WATEROAAI
WATERIF3
OAAI分享收藏Emergency response process for sudden rainstorm and flooding: scenario deduction and Bayesian network analysis using evidence theory and knowledge meta-theoryNATURAL HAZARDS
NATURAL HAZARDSIF3.7
PREAI
分享收藏Support vector machine-based models for hourly reservoir inflow forecasting during typhoon-warning periodsJOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏
分享收藏Extreme value analysis dilemma for climate change impact assessment on global flood and extreme precipitation气候变化对全球洪水和极端降水影响评估的极值分析困境JOURNAL OF HYDROLOGYOAAI
JOURNAL OF HYDROLOGYIF6.3
OAAI分享收藏
查看更多内容