基于机器学习的城市内涝模拟研究进展与展望
王 俊1,2*,刘昊宇1,江恩慧1,2,3,辛瑞瑞1,潘 鑫1
(1. 山东大学 土建与水利学院,山东 济南 250061; 2. 山东大学 流域系统治理研究中心,山东 济南 250061;3. 黄河水利委员会黄河水利科学研究院,河南 郑州 450003)
摘 要: 随着城镇化率的快速提高,城市内涝问题日益严重,而传统的水文水动力模型在模拟城市内涝时存在数据精度要求高、计算过程复杂、模拟效率低等问题。机器学习作为一种新兴技术,虽然对数据集质量要求同样严格,但其能够自动挖掘数据中的模式和规律,且模型训练完成后可以大大提高模拟效率和精度,目前已在城市内涝模拟中展现出巨大的潜力。梳理了国内外机器学习模型在城市内涝模拟中的主要发展历程,并对国内不同地理条件的模型应用情况等进行了总结。得出如下主要结论:当前的研究趋势已不再仅局限于单个机器学习算法或模型的研究应用,而是逐渐向多模型效果比较、模型耦合和可解释机器学习模型的方向迈进;多源数据集突破了单一水文数据的局限性,增强了机器学习模型对复杂城市系统的表征能力和预测能力,为针对性的内涝防治措施提供了科学依据。
关键词: 城市内涝; 机器学习; 内涝模拟; 内涝预测; 多源数据集
基金项目: 山东大学青年学者未来计划项目(31410082164087)
引文格式: 王俊,刘昊宇,江恩慧,等. 基于机器学习的城市内涝模拟研究进展与展望[J]. 市政技术,2025,43(6):181-189,197. (WANG J,LIU H Y,JIANG E H,et al. Progress and prospects research of urban flood simulation based on machine learning[J]. Journal of municipal technology,2025,43(6):181-189,197.)