相关实验视频
Updated: Jul 4, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
基于远程感知降雨产物PDIRnow和人工神经网络的亚马逊流域的洪水预测
Herval Alves Ramos Filho1, Eduardo Morgan Uliana2, Uilson Ricardo Venâncio Aires3
1Programa de Pós-Graduação Em Recursos Hídricos, Universidade Federal de Mato Grosso, Cuiabá, MT, 78060900, Brazil.
人工神经网络 (ANN) 模型有效地预测了亚马逊盆地布兰科河的洪水. 这些模型为河流洪水预警系统提供了可行的解决方案,即使降雨量数据有限.
科学领域:
- 水文学的水文学
- 环境科学 环境科学
- 人工智能的人工智能
背景情况:
- 洪水预测对亚马逊流域至关重要.
- 在亚马逊盆地,准确的降雨数据往往很少.
- 人工神经网络 (ANN) 显示出水文建模的前景.
研究的目的:
- 开发和评估ANN模型,用于预测布兰科河的洪水水平.
- 评估遥感降雨数据作为洪水预测模型的输入数据的有效性.
- 为了确定不同预测地平线的最佳ANN配置.
主要方法:
- 在ANN中使用多层感知子 (MLP) 架构.
- 使用SCE-UA算法优化ANN模型参数.
- 纳入每小时的河流水位和PDIRnow卫星降雨估计作为输入数据.
主要成果:
- 该模型的准确性很高,Nash-Sutcliffe效率指数值通常超过0.9.
- 对于6,12和24小时的地平线,成功的洪水水平预测得到了证明.
- 包括48小时累积的降雨量对于准确的24小时预报至关重要.
结论:
- ANN模型是布兰科河洪水水平预测的有效工具.
- 现在PDIR的降雨数据在亚马逊盆地等数据稀疏的地区提供了可行的替代方案.
- 开发的ANN模型可以增强亚马逊流域的河流洪水预警系统.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
06:26Capturing Flow-weighted Water and Suspended Particulates from Agricultural Canals During Drainage Events
Published on: November 7, 2017
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Responses to Drought and Flooding
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Rapidly Varying Flow