来源：期刊VIP网 时间：
作者：薛丰昌;杨猛;陈剑飞;吕鑫;杨鋆霞;
单位：南京信息工程大学;中国气象局流域强降水重点开放实验室;广西壮族自治区防雷中心;
摘要：针对如何利用积涝监测站观测的时序积涝监测数据和降雨数据，准确预测积涝点积水发展趋势的问题，以河南开封市城区为研究对象，收集了2020—2021年间12个积水监测站的小时积水深度数据和6个气象站的小时降水数据。通过对原始数据进行清洗和归一化处理，将气象站的小时降水数据与对应时间的积水深度数据作为样本，构建了基于双向长短期记忆网络(LSTM)的积水深度预测模型，该模型实现利用6 h和3 h的降水及积水监测数据，预测未来1 h的积水深度。将2021年7月20—21日48 h数据作为测试集，验证模型在极端强降雨条件下的预测能力，模型的均方根误差(RMSE)分别为2.10 cm和3.94 cm。研究结果表明，所建立的LSTM模型能够克服传统时序预测模型在处理非线性关系时的局限性，在积水深度预测方面具有较高的准确性和可靠性。
关键词：城市内涝;;积涝监测;;LSTM;;预测模型
基金资助：中国气象局流域强降水重点开放实验室基金项目(2023BHR-Y29);; 广西重点研发计划项目(桂科AB22080101)
