.png){kind=icon}
返回
Spatiotemporal Flood Prediction From Single Frame Input With a Post-Processing Method
.png){kind=icon}
OA
AI
DOI：10.1029/2025WR040975.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究开发了一种名为单帧预测的新型时空水动力学预测任务框架。该框架能够基于边界条件和上一时间步的单张洪水图生成结果，依赖水动力学原理而非历史趋势，且无需传统水动力学模型的辅助。此外，还开发了一种基于物理定律的后处理方法，用于优化深度学习模型在每个时间步的输出，旨在减少长期预测中的累积误差。本研究评估了广泛使用的基于卷积神经网络的模型U-Net的性能，以评估单帧预测的可行性及所提后处理方法的影响。实验表明，单帧预测能够生成准确的洪水图，证明了该新型框架的可行性。此外，结果指出基于物理的后处理方法能在每一步减少误差，从而提升整个洪水事件预测的准确性，在洪水预测中展现出强有效性和适用性。此外，还进行了消融实验以评估该方法各步骤的有效性。单帧预测通过包含水深和单元流量等关键水动力学变量的方式，提供了更全面且可解释的洪水预测过程描述。后处理方法显著将单帧预测后期累积误差降至可接受范围，水深均方根误差平均为0.041 m，单元流量为0.003 m²/s，表明这是一种新的长期洪水预测技术。
Keyword:
spatiotemporal flood prediction
deep learning
dike brech floods
post-processing method
hydrodynamic modeling
CNN
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:
5
论文数:
870
被引数:
6.9W
机构
引用论文
Enhancing streamflow predictions with machine learning and Copula-Embedded Bayesian model averaging.png)
JOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏
Earthfarseer: Versatile spatio-temporal dynamical systems modeling in one model (arXiv:2312.08403)Earthfarseer: 一种统一模型的时空动态系统建模方法 (arXiv:2312.08403)
IF0
PREAI
分享收藏Continuous Monitoring of Fluvial Dike Breaching by a Laser Profilometry Technique利用激光剖面测量技术对河流堤防决口的连续监测OAAI
OAAI分享收藏
查看更多内容