基于机器学习的城市暴雨内涝时空快速预测模型

作者：代鑫; 黄弘^*; 汲欣愉; 王巍

来源：清华大学学报, 2023, 63(06): 865-873.

DOI：10.16511/j.cnki.qhdxxb.2023.22.013

• 暴雨内涝
• 时空快速预测
• 机器学习
• 随机森林
• 长短期记忆(LSTM)神经网络

暴雨内涝的快速预测对于提升灾害应急处置能力具有重要意义。针对传统数值模拟复杂耗时导致难以满足暴雨内涝预测时限要求的问题，该文基于机器学习方法构建城市暴雨内涝时空快速预测模型。利用城市综合流域排水模型(InfoWorks ICM)模拟的高精度网格结果作为数据驱动，综合考虑降雨因素、地理数据以及排水管网的分布情况，分别基于随机森林、极限梯度提升(XGBoost)、K最近邻以及长短期记忆(LSTM)神经网络建立城市暴雨内涝快速预测模型。以北京市某区域为例，开展算例研究，结果表明：随机森林模型的空间预测效果最佳，淹没范围预测准确率可达99.51%,积水深度平均预测误差3.55%; LSTM神经网络模型能准确预测内涝点积涝过程的水深时序变化。在该算例场景下，所构建的机器学习模型可实现s级的暴雨内涝时空快速预测。

• 单位
  清华大学