期刊论文开放获取
面向道路的洪水深度与流速深度学习预测:提升交通韧性
Road-focused flood depth and velocity prediction using deep learning for transportation resilience
Ahmad AlBarqawi, Viravid Na Nagara, Ahmad Ibrahim, Ashish Borgaonkar, Camille Kamga, Hani Nassif, Abdallah A. Khreishah, Michel C. Boufadel · Transportation Research Part D: Transport and Environment · Transportation Research Part D Transport and Environment
发表于 2026年11月12日 · 收录于雷达 2026年11月17日
中文摘要
研究开发深度学习框架,利用地貌和水文特征预测交通网络上的洪水深度与流速,并通过道路加权损失函数优先提高道路像元的预测精度。模型在未见过的暴雨条件下也具有较好的泛化能力。该方法无需耗时耗资的传统水文水力建模,可用于洪水预报、交通韧性规划和应急响应。
结构化研究记录 PRO
研究问题 · 主要发现 · 方法 · 数据 · 空间尺度
阅读原文 ↗ DOI ↗