共计 868 个字符，预计需要花费 3 分钟才能阅读完成。
美国加州南尤巴河旧 49 号公路桥下的洪水场景。图片来源：Kelly M. Grow/ 加州水资源部
一项突破性的人工智能技术正在革新国家洪水预测系统。最新研究表明，当人工智能与美国国家海洋和大气管理局（NOAA）开发的国家水模型相结合时，预测准确率提升了四到六倍。这项研究成果已发表在《AGU Advances》期刊上。
该人工智能系统基于深度学习模型构建，专门用于识别和纠正预测误差。研究人员将这一 AI 系统与 NOAA 的国家水模型整合，创建了一个混合预测程序，显著提高了全美河流流量的预测准确性。
“ 单纯依赖 AI 模型进行洪水预测的效果并不理想，” 密歇根大学水文学家、研究负责人 Vinh Ngoc Tran 解释道。”AI 的优势在于其简洁性，但我们必须确保对可能造成重大损失的洪水事件进行精准预测。”
目前，NOAA 在全美范围内运营着近 11,000 个水位监测站，收集包括洪水历史、水位变化等在内的多种数据。此外，该机构还详细记录着植被覆盖、城市化进程和排水系统等环境变量。
然而，庞大的数据量也为洪水模型的构建带来了挑战。过多的变量使得精确预测变得困难，这正是人工智能可以发挥关键作用的地方。研究人员开发的 Errorcastnet 系统专门用于识别国家模型中的预测误差。该系统将误差分为可修正和不可修正两类，并针对可修正误差进行持续优化。
“ 我们不能忽视物理规律，” 研究团队成员、密歇根大学物理水文学家 Valeriy Ivanov 强调。” 必须充分考虑地理特征和主要物理过程在预测模型中的作用。”
研究团队发现，仅使用基于历史数据的 AI 预测系统往往会低估洪水流量，因为这些系统没有考虑海拔、植被和水库等关键因素。
“ 我们充分认识到 AI 的强大能力，”Ivanov 表示，” 但它不应该否定数十年的研究成果，也不应该忽视对流域物理过程复杂性的理解。”
通过改进 NOAA 的预测模型，研究人员相信这将有助于减轻洪水的经济影响。更准确的洪水预测意味着企业和社区可以更好地为潜在灾害做好准备。Tran、Ivanov 及其团队希望，随着这项技术的推广应用，能够在洪水发生前几天甚至更早做出详细预测。
