基于時空特征融合的城市洪澇混合深度學習預測

摘要： 傳統(tǒng)物理模型在二維地表淹沒計算中雖然實現(xiàn)了高精度的求解，但其構建過程復雜、校準難度高，且計算效率低，在實時洪澇預報方面存在局限性。深度學習作為人工智能領域的重要分支，具有強大的數(shù)據(jù)處理和學習能力，可為洪澇預測提供變革性、創(chuàng)新性的技術手段。為此，提出了一種基于時空特征融合技術的城市洪澇混合深度學習預測模型，充分結合卷積神經網絡和循環(huán)神經網絡對空間和時間數(shù)據(jù)的學習優(yōu)勢，建立了Seg...