文章摘要:洪涝数值模型是当前城市内涝风险分析和预报预警的主要技术手段，然而数值模型的计算速度较慢，难以满足日常防汛应急的需求。如何将人工智能技术，引入到训练样本及标注数据较少的城市积水内涝快速预测中，是个重点关注且亟待解决的问题。针对这个问题，本文将具有良好计算精度数值模型与具有较高计算效率的BP人工神经网络模型相结合，提出了一种快速预测城市内涝风险的新方法。本方法以城市洪涝模型的模拟结果作为数据驱动，构建各积水点的BP神经网络预测模型。结果表明，该方法预测精度高，计算速度快，可以满足日常防汛应急的需要，为人工智能技术在防洪减灾方向的应用提供了新的思路。

文章关键词:

论文DOI:10.13243/j.cnki.slxb.20210611

论文分类号:TP183;TU992